本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑VAEDecodeTiled 节点采用分块处理方法，将潜在表示高效解码为图像，以应对大尺寸图像的处理需求。它通过将输入分割为较小的图块进行处理，在保持图像质量的同时有效管理内存使用。该节点还支持视频 VAE，通过分块处理时间帧并设置重叠区域以实现平滑过渡。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
Latent | LATENT | 是 | - | 待解码为图像的潜在表示 |
vae | VAE | 是 | - | 用于解码潜在样本的 VAE 模型 |
分块尺寸 | INT | 是 | 64-4096（步长：32） | 每个处理图块的大小（默认值：512） |
重叠 | INT | 是 | 0-4096（步长：32） | 相邻图块之间的重叠区域大小（默认值：64） |
时间尺寸 | INT | 是 | 8-4096（步长：4） | 仅用于视频 VAE：每次解码的帧数（默认值：64） |
时间重叠 | INT | 是 | 4-4096（步长：4） | 仅用于视频 VAE：帧之间的重叠帧数（默认值：8） |
tile_size 小于 overlap 的 4 倍，重叠值将缩减为图块大小的四分之一。同理，如果 temporal_size 小于 temporal_overlap 的两倍，时间重叠值将减半。节点在计算空间和时间维度的图块及重叠大小时，还会考虑 VAE 的内部压缩比率。
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
IMAGE | IMAGE | 从潜在表示解码生成的图像或图像序列 |
Source fingerprint (SHA-256):
193d5cb219d66855ae581d3e4488b7b6ae3a45b735fb0f9f784fea1f5d466e46