本工作流核心能力是将三张不同角度、内容的参考图，通过 AI 理解融合，生成一张新的图像，新图像内容根据描述词指令生成。工作流集成了阿里巴巴的 Qwen2.5-VL 多模态大模型（图像编辑版本）与 SeedVR2 超分辨率放大模型，实现了「理解 → 生成 → 放大」的完整闭环。

工作流节点结构

整体数据流

工作流从左到右分为四个功能区，各区域之间通过数据连线传递信息：

核心节点说明

① 图像加载节点（LoadImage × 3）

工作流预设了三个图像加载节点，对应三个不同部位或角度的参考图。每张图同时连接到两处：一路送入文本编码器（作为视觉参考），另一路送入图像拼接节点（用于预览对比）。

② 文本与图像联合编码（TextEncodeQwenImageEditPlus）

这是工作流的核心节点，基于 Qwen2.5-VL 多模态模型，能够同时理解文字提示词和三张参考图的视觉内容。它将「语言描述 + 图像特征」融合编码为扩散模型可消费的 Conditioning 向量。

③ 参考潜空间方法（FluxKontextMultiReferenceLatentMethod × 2）

正向 Conditioning 经此节点处理后进入采样器正面输入，负向（ConditioningZeroOut 清零后）作为负面输入。method 参数统一设为 index_timestep_zero，是当前兼容性最佳的选项。

④ KSampler（采样器）

配合 Lightning LoRA 使用，当前配置为：steps=8、cfg=1、采样器=euler、调度器=simple、denoise=1.0。这是 4步闪电推理的标准配置，在速度与质量之间取得平衡。

⑤ SeedVR2 超分辨率放大链

VAEDecode 解码出的图像（约 720×1280）会直接进入 SeedVR2VideoUpscaler，经 DiT 模型与 VAE 模型协同放大至 1080p 甚至更高分辨率，细节恢复能力显著优于传统插值算法。

使用方法

Step 1  上传参考图

• 点击「设置区」中的三个 LoadImage 节点，分别上传三张参考图
• 三张图的分辨率不需要一致，节点会自动处理尺寸差异

Step 2  填写提示词

在 CR Text 节点中填写生成描述，需明确说明每张图对应的内容，以及期望的输出形式。参考格式：

根据图1中的腿部图、图2中的侧身图、图3中的上半身正面图，生成人物全身正面纯色背景图片

• 提示词支持中文，Qwen 模型对中文理解表现优秀
• 可以加入风格描述，如「写实摄影风格」「干净白色背景」「全身正面站立」
• 不需要写负面提示词，负面端已由 ConditioningZeroOut 清零处理

Step 3  确认画布尺寸

EmptyLatentImage 节点默认设为 720×1280（竖向人物图），一般无需修改。如需横图可改为 1280×720，方形可改为 1024×1024。

Step 4  执行生成

点击 ComfyUI 界面右下角的「Queue Prompt」按钮开始运行。生成过程分为两个阶段：

• 阶段一：KSampler 采样（约10～30秒，取决于显存和步数）
• 阶段二：SeedVR2 超分放大（约20～60秒，会占用较多 VRAM）

Step 5  查看结果

右侧 SaveImage 节点会将主生成图保存到 ComfyUI 的 output 目录，PreviewImage 节点展示「参考图拼合 + 超分结果」对比预览。

关键参数配置详解

KSampler 参数

SeedVR2 放大参数

使用注意事项

显存管理

• 建议英伟达显卡显存8G以上
• 如显存不足导致 OOM，可尝试将 SeedVR2 的 blocks_to_swap 从 0 适当增大（如 8～16），将部分 DiT 计算块卸载至 CPU
• SeedVR2 的 cache_model 设为 True 可加速第二次运行，但会多占约 2～4GB 系统内存

参考图质量要求

• 分辨率建议不低于 512×512，过小的图会导致细节丢失
• 三张图尽量来自同一人物，差异过大（体型、肤色明显不同）会导致合成混乱
• 避免使用高度压缩、有明显噪点的图片，会影响 Qwen 的图像理解质量
• 图片中的人物尽量为独立个体，不要有大量其他人物干扰

提示词技巧

• 明确描述每张图的内容与对应关系（图1是…，图2是…，图3是…）
• 指定输出风格：「写实摄影」「白色纯色背景」「全身正面站立」「高清」等
• 如果生成的人物比例不对，可在提示词中加入「保持正常人体比例」「全身比例正确」
• 不建议在提示词中描述背景细节，纯色背景场景下越简单越好

常见问题排查

优化建议

批量生成

将 EmptyLatentImage 的 batch_size 改为 2～4 可同时生成多张，结合随机种子（randomize）可快速筛选最佳结果。但每增加一张 batch 会相应增加显存需求和生成时间。

二次细化

对 SaveImage 输出的结果不满意时，可将其重新载入 LoadImage，使用 img2img 模式（KSampler 的 denoise 调低至 0.5～0.7）进行局部细化，保留整体构图同时优化细节。

SeedVR2 放大参数调优

• color_correction=lab 效果最自然，如遇肤色偏差可尝试切换为 none
• input_noise_scale 和 latent_noise_scale 适当调高（0.02～0.05）可让细节更丰富，但过高会引入噪点
• resolution 设为 2160 可获得更高清结果，但耗时和显存翻倍，需权衡

本工作流将多模态理解模型与扩散生成模型深度结合，在服装展示、AI 写真、虚拟形象合成等场景下具有较强实用价值。合理配置显存参数、提供高质量参考图、写清晰的提示词，是获得理想结果的三个关键要素。

comfyui三参考图生图工作流下载链接

https://pan.quark.cn/s/17f7fd198685

模型文件下载链接：

https://pan.quark.cn/s/186b6dd01260