ComfyUI基本原理

它是Stable Diffusion的客户端 GitHub - comfyanonymous/ComfyUI: The most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface. 手册：https://comfyuidoc.com/zh/

Stable Diffusion(稳定扩散模型) 

Clip，UNet，Vae

 CLIP（Contrastive Language–Image Pre-training）对比语言预训练模型，由 OpenAI在2021年 提出，它能够理解并处理图像和文本，通过对它们进行对比学习（contrastive learning）来建立图像和文本之间的关联。简单来说Clip模型能把用户输入的文字需求，正确的理解成生成图片的需求

UNet是一种用于图像分割的卷积神经网络架构。可以把输入的‌图片分割成具有一定语义含义的区域块，识别出每个区域块语义类别，最终得到与原图像等大小具有逐像素语义标注的分割图像。还能用于提升图片的细节和质量。

VAE（Variational AutoEncoder 变分自编码器）在Stable Diffusion中对于输入的图片，会先用VAE编码器（VAE Encoder）把像素空间中的图片，压缩为潜空间数据，通过VAE编码器把512x512的图片压缩后变成了64x64的大小，最后再通过VAE解码器（VAE Decoder）把潜空间中的图片返回成像素空间的大小。