Qwen-Image-Layered ComfyUI 워크플로우 예시

Qwen-Image-Layered는 이미지를 여러 개의 RGBA 레이어로 분해할 수 있는 모델로, 레이어 분해를 통해 본질적인 편집 가능성을 제공합니다.

Qwen-Image-Layered는 알리바바의 Qwen팀에서 개발한 모델로, 이미지를 여러 개의 RGBA 레이어로 분해할 수 있습니다. 이 계층적 표현은 각 레이어가 독립적으로 조작 가능하도록 하여 다른 콘텐츠에 영향을 주지 않고도 각 레이어를 개별적으로 수정할 수 있게 합니다.

주요 특징:

• 본질적인 편집 가능성: 각 레이어는 다른 콘텐츠에 영향을 주지 않고 독립적으로 조작 가능합니다.
• 고화질 기본 연산: 세미틱 구성 요소를 물리적으로 분리하여 크기 조정, 위치 변경 및 색상 재조정을 지원합니다.
• 가변 레이어 분해: 고정된 레이어 수에 제한되지 않으며 필요에 따라 3개, 4개, 8개 이상의 레이어로 분해 가능합니다.
• 재귀적 분해: 어떤 레이어든 추가로 분해할 수 있어 무한한 분해 깊이를 구현할 수 있습니다.

관련 링크:

• Hugging Face
• 연구 논문
• 블로그

​

Qwen-Image-Layered 워크플로

로컬 사용자

ComfyUI가 최신 버전으로 업데이트되었는지 확인하세요.

• ComfyUI 다운로드
• 업데이트 가이드

이 가이드의 워크플로는 워크플로 템플릿에서 확인할 수 있습니다. 템플릿에서 찾을 수 없다면, 귀하의 ComfyUI가 오래된 버전일 수 있습니다.

워크플로를 로드할 때 노드가 누락되는 경우, 가능한 원인:

1. 최신 ComfyUI 버전(최신 테스트 버전(nightly))을 사용하고 있지 않음
2. 일부 노드가 시작 시 가져오기에 실패함

클라우드 사용자

• 클라우드는 ComfyUI 안정판 출시 후 업데이트됩니다.

따라서 이 문서에서 핵심 노드가 누락된 것을 발견했다면, 그 이유는 새로운 핵심 노드가 아직 최신 안정판에 공개되지 않았기 때문일 수 있습니다. 다음 안정판 출시를 기다려 주세요.

​

Qwen-Image-Layered 분해

이미지를 편집 가능한 RGBA 레이어로 분해하여 색상 변경, 교체, 크기 조정, 위치 변경 워크플로에 사용할 수 있습니다.

워크플로 다운로드

JSON 워크플로 파일을 다운로드하세요

Comfy Cloud에서 실행

별도 설정 없이 ComfyUI를 온라인으로 실행하세요

입력 자료

이 파일을 LoadImage 노드 74에 업로드하세요:

coastal_smiling_woman.png

LoadImage 노드 74 · coastal_smiling_woman.png

​

모델 링크

text_encoders

• qwen_2.5_vl_7b_fp8_scaled.safetensors

diffusion_models

• qwen_image_layered_bf16.safetensors

vae

• qwen_image_layered_vae.safetensors

모델 저장 위치

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 text_encoders/
│   │      └── qwen_2.5_vl_7b_fp8_scaled.safetensors
│   ├── 📂 diffusion_models/
│   │      └── qwen_image_layered_bf16.safetensors
│   └── 📂 vae/
│          └── qwen_image_layered_vae.safetensors

​

FP8 버전

기본적으로 bf16을 사용하며, 이는 높은 VRAM을 요구합니다. 더 낮은 VRAM 사용을 위해 fp8 버전을 사용할 수 있습니다:

• qwen_image_layered_fp8mixed.safetensors

그런 다음 서브그래프 내의 Load Diffusion model 노드를 업데이트하여 이를 사용하세요.

​

레이어와 출력

레이어 수는 서브그래프 내의 Empty Qwen Image Layered Latent 노드에 있는 layers 위젯으로 설정합니다.

이 모델은 레이어와 함께 전체 이미지도 다시 생성하므로, 한 번의 생성은 항상 layers + 1개의 이미지로 디코딩됩니다.

layers	디코딩되는 이미지 수	내용
0	1	전체 이미지만
2 (템플릿 기본값)	3	전체 이미지, 그다음 레이어 2개
5	6	전체 이미지, 그다음 레이어 5개

첫 번째 이미지는 전체 이미지이며 레이어가 아닙니다. 이미지를 레이어로 분해하는 워크플로우에서는 입력 이미지를 재현한 것이므로, 레이어만 필요하다면 이 이미지는 버리세요. layers에는 0을 지정할 수 있으며, 이 경우 해당 이미지 하나만 얻게 됩니다.

모든 레이어를 다시 합성하면 전체 이미지가 재현됩니다. 이를 검증에 사용하세요. 레이어를 쌓아도 첫 번째 이미지가 재현되지 않는다면 분해가 의도대로 이루어지지 않은 것입니다.

​

레이어가 개별 이미지가 되는 방식

Empty Qwen Image Layered Latent 노드는 [batch_size, 16, layers + 1, height // 8, width // 8] 형태의 5D Latent를 할당합니다. 레이어는 세 번째 축에 놓이며, 이는 비디오 모델이 프레임을 두는 것과 같은 시간 축입니다. LatentCutToBatch 노드의 dim을 t로 설정하면 그 축이 배치 차원으로 옮겨지므로, VAE Decode 이후 각 레이어는 배치 안의 개별 이미지가 됩니다.

따라서 레이어의 쌓임 순서는 배치 안에서의 인덱스 그 자체이며, 인덱스 0의 전체 이미지부터 셉니다. z-index 필드도, 그 순서를 담는 레이어별 메타데이터도 없으므로 배치를 재정렬하거나 걸러내는 것은 곧 레이어를 재정렬하는 것입니다.

Qwen-Image-Layered VAE는 4채널로 디코딩하므로 디코딩된 레이어는 알파 채널을 가집니다.

​

워크플로우 설정

​

샘플러 설정

이 모델은 느립니다. 원래 샘플링 설정은 단계: 50, CFG: 4.0이며, 이는 생성 시간을 최소 두 배로 늘릴 것입니다.

​

입력 크기

입력 크기로는 640px를 권장합니다. 고해상도 출력을 위해서는 1024px를 사용하세요.

​

프롬프트 (선택사항)

텍스트 프롬프트는 입력 이미지의 전반적인 내용을 설명하는 것을 목표로 하며, 부분적으로 가려진 요소들까지 포함합니다(예를 들어, 전경 객체 뒤에 숨겨진 텍스트를 명시할 수 있음). 개별 레이어의 의미적 내용을 명시적으로 제어하도록 설계된 것은 아닙니다.