🟢 1️⃣ 工作流概述

作用与目的：
该工作流专为建筑设计与渲染任务打造，基于 Stable Diffusion XL (SDXL) 模型，通过多种 Lora 模型、ControlNet、IPAdapter 和图像处理工具实现建筑效果图生成与风格化渲染。它能够：

• 将建筑草图或参考图像转化为高质量的建筑效果图。

• 利用 Lora 模型实现特定建筑风格的微调。

• 使用 IPAdapter 和 CLIP Vision 增强图像的一致性和风格参考。

• 通过 ControlNet 实现更精细的建筑轮廓和深度控制。

• 支持多阶段放大、色调仿真和图像对比，确保最终输出效果精美且专业。

适用场景：

• 建筑设计可视化

• 室外与室内渲染

• 建筑草图到效果图的转换

• 风格迁移与细节增强

🔥 2️⃣ 核心模型

✅ Stable Diffusion XL (SDXL)

• 模型路径：juggernautXL_juggXI_JuggernautXL_XI

• 功能：该模型是基础生成模型，负责将提示词和参考图像转化为高质量图像。SDXL 具有更强的细节表现力和图像一致性，适合高分辨率建筑渲染。

✅ Lora 模型（局部风格调整）
工作流中使用了多款 Lora 模型来微调建筑风格，包括：

• 比鲁斯商业建筑 V0.2：用于生成现代商业建筑风格。

• MIR建筑表现-SDXL1.0_XL1.0：增强建筑渲染细节。

• Flux Turbo Lora：加速生成过程，同时保持细节质量。

• 城市风景SDXL_v1.0 和 Kiwi_SDXL_非线性建筑_v1.0：分别用于城市景观与非线性建筑的渲染。

✅ IPAdapter + CLIP Vision

• IPAdapter：用于风格参考图像控制，通过调整权重实现风格一致性。

• CLIP Vision 模型：CLIP-ViT-H-14-laion2B-s32B-b79K，用于提取参考图像特征并进行语义编码。

✅ ControlNet 模型

• ControlNet 模型路径：controlnet-union-sdxl-1.0-promax.safetensors

• 功能：基于深度图控制建筑轮廓和结构，确保生成图像的透视准确。

⚙️ 3️⃣ 组件说明

1️⃣ CheckpointLoaderSimple

• 功能：加载主模型（SDXL）进行图像生成。

• 模型名称：juggernautXL_juggXI_JuggernautXL_XI

• 安装方法：

  • 在 ComfyUI 的模型文件夹中添加 .safetensors 或 .ckpt 模型文件。

  • 路径：ComfyUI/models/checkpoints

2️⃣ LoraLoader

• 功能：加载 Lora 模型并与主模型融合，实现风格化生成。

• 参数：

  • 权重：影响 Lora 风格的强度，通常在 0~1 之间调整。

  • 模型：不同的建筑风格 Lora。

• 安装方法：

  • 将 Lora 模型放入：ComfyUI/models/loras

  • 文件格式：.safetensors 或 .pt

3️⃣ IPAdapterModelLoader & IPAdapterAdvanced

• 功能：加载 IPAdapter 模型和图像参考，增强生成图像与参考图像的一致性。

• 模型名称：ip-adapter-plus_sdxl_vit-h

• 安装方法：

  • 将 IPAdapter 模型放入：ComfyUI/models/ipadapter

  • 文件格式：.bin 或 .safetensors

• 参数：

  • 权重：控制参考图像与生成图像的相似度。

  • 模式：高强度参考增强（PLUS 高强度）。

4️⃣ ControlNet Loader

• 功能：加载 ControlNet 模型以控制建筑结构和轮廓。

• 模型名称：controlnet-union-sdxl-1.0-promax.safetensors

• 安装方法：

  • 将 ControlNet 模型放入：ComfyUI/models/controlnet

5️⃣ VAE Loader

• 功能：加载 VAE 模型进行图像的解码与编码，提升图像质量。

• 模型名称：sd_xl_vae_1.0

• 安装方法：

  • 将 VAE 模型放入：ComfyUI/models/vae

🔨 4️⃣ 工作流结构

该工作流可分为以下几个主要分组：

🟡 Group 1：模型加载与初始化

• 组件：CheckpointLoaderSimple、VAELoader、LoraLoader

• 作用：加载基础模型、VAE 和 Lora 模型，完成生成模型的初始化。

• 输出：模型和 CLIP 编码器。

🟢 Group 2：IPAdapter 和 ControlNet 配置

• 组件：IPAdapterLoader、CLIPVisionLoader、ControlNet Loader

• 作用：加载 IPAdapter 模型与 ControlNet 模型，实现图像参考和深度控制。

• 输出：模型与控制参数。

🔵 Group 3：图像处理与生成

• 组件：KSampler、VAEDecodeTiled

• 作用：根据提示词与 ControlNet 控制生成图像。

• 输出：生成的建筑效果图。

🟣 Group 4：图像后处理与预览

• 组件：ImitationHueNode、Image Comparer (rgthree)

• 作用：

  • 色调仿真，增强图像风格一致性。

  • 对比生成图像与参考图像。

• 输出：最终建筑效果图预览。

🔍 5️⃣ 输入与输出

✅ 输入参数：

• 提示词：文本描述建筑风格、材质和氛围。

• 参考图像：作为风格参考输入。

• 图像分辨率：默认 1024x768。

• Lora 权重：控制风格影响力度。

✅ 输出结果：

• 高分辨率建筑效果图。

• 图像对比视图（参考图像与生成图像）。

⚠️ 6️⃣ 注意事项

• 性能需求：该工作流涉及多模型融合和 ControlNet，建议使用 >=12GB VRAM 的显卡。

• 生成时间：由于使用 ControlNet 和 IPAdapter，生成时间会比纯 SDXL 模型长。

• 模型兼容性：确保 Lora 和 SDXL 模型版本一致，避免生成异常。

• 优化建议：

  • 降低 ControlNet 权重可加速生成。

  • 使用 Tiled VAE 解码提升大尺寸图像渲染效率。