How much VRAM is recommended?

作用与目的：
这是一个专为 AI 写真设计 的复杂工作流，结合了 图像分割、ControlNet 控制、IPAdapter 风格迁移 和 低幅度重绘 技术，主要功能包括：
- 人脸识别与分割（使用 Florence2 和 SAM2 模型）。
- 多 ControlNet 控制（姿态、深度、边缘检测）。
- IPAdapter 风格迁移（参考图像风格融合）。
- 局部重绘优化（针对五官、背景等细节）。
  适用于专业级人像写真生成与后期处理。
核心模型：
- 基础模型：SDXL/LEOSAM HelloWorld _ SDXL_v7.0.safetensors（写实风格基底）。
- ControlNet：xinsir_union_promax.safetensors（姿态/深度控制）。
- IPAdapter：PLUS (high strength) 风格适配器。
- 分割模型：Florence-2-large（人脸识别）+ sam2_hiera_base_plus.safetensors（精细分割）。

2. 组件说明

关键节点：
- Florence2Run：识别输入图像中的人脸，输出分割遮罩和 BBox 坐标。
- Sam2Segmentation：基于 SAM2 模型精细化分割（如发丝、服饰边缘）。
- ControlNetApplySD3：双路控制（姿态 + 深度），权重分别为 0.6 和 1.0。
- IPAdapterAdvanced：以参考图像（如 商用素材｜未来世界_1.jpg）为风格模板，强度 0.7。
- GrowMaskWithBlur：扩展遮罩边缘并模糊，用于自然融合。
特殊组件安装：
- Florence2 & SAM2：需下载模型并放入 models/florence2 和 models/sam2 文件夹。
- IPAdapter：安装 IPAdapterPlus 插件，模型需为 ip-adapter-plus_sdxl_vit-h.safetensors。
- ControlNet 模型：xinsir_union_promax.safetensors 需放入 models/controlnet。

分为 6 个核心功能组：

面部识别组：
- 输入：原始人像 → Florence2Run → 输出人脸 BBox 和遮罩。
抠图组：
- Sam2Segmentation 精细化分割 → GrowMaskWithBlur 边缘优化。
ControlNet 控制组：
- 双路控制：Canny 边缘（AIO_Preprocessor） + 深度图（xinsir_union_promax）。
IPAdapter 风格迁移组：
- 加载风格参考图 → 通过 IPAdapterAdvanced 融合至生成过程。
生图区：
- KSampler 使用 dpmpp_sde 采样器（20 步，CFG=2）生成图像。
后期处理组：
- 低幅度重绘（VAEEncode + KSampler）→ 最终输出与原始图像对比（Image Comparer）。

输入参数：
- 必填：原始人像图片（如 赛博朋克女孩.jpg）、风格参考图。
- 可选：ControlNet 权重、IPAdapter 强度、重绘幅度（默认 0.1）。
输出结果：
- 高清写真图像（PNG），支持与原图对比查看差异。

显存需求：建议 ≥16GB GPU（因同时运行多 ControlNet 和 IPAdapter）。
常见错误：
- 遮罩未正确生成：检查 Florence2 和 SAM2 模型路径。
- 风格迁移失效：确认 IPAdapter 模型与插件版本匹配。
优化建议：
- 降低 KSampler 步数（如 15 步）以加速生成。
- 使用 FP16 量化模型减少显存占用。