13 · 高清放大与超分辨率

从 512 到 4K：多种 Upscale 方案对比与实战

01 为什么不能直接生成大图

SD 1.5 训练分辨率是 512×512，SDXL 是 1024×1024。直接让它们生成 2048×2048 的图，结果大概率是「多个重复的人」——这叫「空间折叠」，因为模型没学过这么大的构图。

正确姿势：先生成原生分辨率，再放大。

02 三种主流放大方案

方案一：Latent Upscale（潜空间放大）

最快最简单，适合 SDXL。

流程：KSampler → LatentUpscale → 第二个 KSampler（低 denoise）→ VAE Decode

方案二：Upscale Image (using Model)（模型放大）

效果最好，推荐。

流程：VAE Decode → Upscale Model → 出来更大的像素图

推荐放大模型：

• 4x-UltraSharp：写实通用
• 4x-AnimeSharp：二次元
• 4x_NMKD-Siax_200k：综合效果好
• 8x_NMKD-Superscale_150000_G：8 倍放大

下载后放到 ComfyUI/models/upscale_models/。

方案三：Ultimate SD Upscale（分块放大）

大图必备。把图切成小块，逐块放大后再拼接——8GB 显存也能出 4K 图。

推荐用 UltimateSDUpscale 自定义节点（通过 Manager 安装）。

03 推荐工作流：SDXL 标准出图 + 放大

Load Checkpoint (SDXL)
    ↓
CLIP Text Encode + Empty Latent (1024×1024)
    ↓
KSampler (steps=30, cfg=7, denoise=1.0)
    ↓
VAE Decode
    ↓
Upscale Image (4x-UltraSharp, 2x)
    ↓
Save Image → 得到 2048×2048 高清大图

04 参数与显存管理

05 Hires Fix（高清修复）的 ComfyUI 实现

在文生图阶段就做放大——在潜空间里放大，然后再跑少量步数细化：

1. KSampler（小图，denoise=1.0）
2. LatentUpscale（放大 1.5-2x）
3. 第二个 KSampler（denoise=0.3-0.5，细化细节）

这个流程能同时兼顾构图和细节。

💡 一句话总结：不直接生成大图——先原生分辨率出图，再用 Upscale Model 放大，效果最好。

下一篇 14「ControlNet 精确控制」：让 AI 听话——用参考图控制构图、姿势、深度、线稿。