ComfyUI-Latent-Tiled-PiD：潜空间原生分块解码，实现33MP+无接缝PiD输出

ComfyUI-Latent-Tiled-PiD 是一款面向英伟达Pixel Diffusion Decoder (PiD) 的 ComfyUI 自定义节点包，核心创新在于直接在潜空间进行分块解码，而非传统流程中对像素图像分块再重编码。

• GitHub：https://github.com/BennyDaBall930/ComfyUI-Latent-Tiled-PiD

该方案将生成的潜空间切片为重叠块，每块在PiD训练信封（1024→4096）内独立解码后羽化混合，实测单张RTX 5090上可从2MP潜空间生成33MP无接缝图像（7680×4352），最高验证至107MP（13824×7776），成本线性扩展约1MP/秒。项目提供Size Picker预设下拉菜单（53个经QA验证的配置）、Decode节点及QA对比工具，仅支持Krea 2 Turbo模型，需ComfyUI ≥0.28及NVIDIA许可的PiD检查点。

英伟达发布 PiD：像素扩散解码器统一解码与超分，210ms 生成 2K 图像，显存仅需 13GB

ComfyUI-PiD：将英伟达 PiD 像素扩散解码器引入 ComfyUI，支持 Flux/SD3/Z-Image 一键生成 4K 高清图像

核心原理：为何潜空间分块优于像素分块

传统PiD分块流程存在根本缺陷：先解码全图→像素分块→重VAE编码→PiD解码，导致有损往返且块非真实潜空间。本项目直接操作采样器输出的原始潜空间：

• 比特精确裁剪：每个块以潜空间原生切片作为条件，避免像素重编码引入的失真
• RoPE相对性利用：PiD的位置编码是相对的，裁剪潜空间作为独立图像解码与原生渲染不可区分
• sigma门控LQ注入：保持各块全局一致性，防止色度崩溃（白色变粉、色度噪声）
• 升余弦羽化：互补权重和恒为1，接缝梯度比0.77–1.04（1.0为统计不可见），彻底消除拼接痕迹

关键约束：输出分辨率始终是潜空间的4倍。块数由潜空间尺寸自动计算，无需手动配置“分块模式”——这正是防止用户将块推出训练信封导致颜色崩溃的设计哲学。

节点功能与使用规范

Latent-Tiled PiD Size Picker（推荐入口）

(nothing) -> LATENT
替代EmptySD3LatentImage，提供53个端到端QA验证的预设（覆盖9种宽高比，从4K单块到244MP）：

示例：16:9 | 渲染1920x1088 → 输出7680x4352 | 33MP | 4块

• 所有预设均在Krea 2 Turbo上完整测试，判定结果见docs/preset_sweep_report.md
• 刻意排除<1024单块条目（低于训练分辨率会导致模糊与重新解释）
• 三个~210MP变体因色度门限超标被淘汰，未发布

Latent-Tiled PiD Decode

MODEL + CONDITIONING + LATENT -> IMAGE

• 强制4步蒸馏调度（0.999, 0.866, 0.634, 0.342, 0），lcm采样器，cfg=1.0
• 每块进度条可中断，无临时文件
• 禁止提高max_tile：超出1024即触发颜色崩溃

Latent-Tiled PiD QA

IMAGE + IMAGE -> STRING
对比PiD解码与普通VAE解码输出：

• 中间色调色度增量：健康值10–15，>20标记崩溃
• 阴影绿色偏置增量：±3内合格
• 新分辨率/模型组合必跑此节点

部署环境与已知边界

硬性要求

• ComfyUI ≥ 0.28（核心PiD支持）
• PiD检查点遵循NVIDIA许可证（非商业研究/评估）
• 仅验证Krea 2 Turbo（krea2_turbo_fp8_scaled.safetensors + qwen3vl_4b_fp8_scaled文本编码器）
• 其他qwen家族模型行为应相同，但flux/sd3/sdxl路径未经测试；若使用请依赖QA节点判定

测试环境基准（问题排查首要对照项）

已知限制

• 107MP时阴影绿色偏置+3.9（略超±3阈值），为色调拉伸早期信号
• ComfyUI核心LatentCrop会破坏5维qwen/Wan潜空间（T/H误作H/W索引）；本包以秩无关方式切片，不受影响
• 无“强制减少块数”选项——此举会将块推离训练信封，正是节点要防止的故障
• v1.5 PiD检查点未测试，仅v1验证

安装与示例

cd ComfyUI/custom_nodes
git clone https://github.com/BennyDaBall930/ComfyUI-Latent-Tiled-PiD
# 重启ComfyUI，节点位于 latent/pid 下

推荐工作流：example_workflows/krea2_turbo_sizepicker.json（Size Picker → KSampler → Decode → QA）

方法论与可复现性

完整证据集（校准数据、崩溃表征、无头驱动脚本）托管于配套仓库pid-tiled-decode，支持通过ComfyUI API集成到自动化流水线。项目强调测量驱动开发：所有预设均经QA扫描，失败案例公开记录而非隐藏，确保用户决策基于实证而非猜测。

对于追求超高分辨率AI图像生成的创作者，此工具提供了当前最可靠的PiD扩展路径。但请记住：它的强大建立在严格遵守训练信封的前提下——任何试图“突破限制”的操作都会以洋红色噪声作为代价。尊重模型的合同边界，才是获得干净输出的唯一捷径。