---

📌 标题 + SDXL aDetailer + 放大 — 工作流概述

此工作流专为通过三个主要阶段提升现有图像而设计，构成一个端到端的增强流程：

1. 自动标题生成（JoyCaption）

2. 多阶段 SDXL aDetailer 细节优化

3. 高质量 2×/4× 放大

特别适用于批量处理肖像图像（无论是 NSFW 或 SFW），同时完全掌控细节修复（面部、手部、皮肤、身体部位）、构图完整性与最终分辨率。

---

🔹 1. 自动标题生成（JoyCaption）

工作流从 JoyCaption 开始：

• 通过 ImageBatchPath 从目录加载图像

• 应用用户自定义的 Extra Options 模块（光照、相机信息、文字移除等）

• 生成一个干净的 SDXL 风格提示词

• 提示词通过 ShowText 显示，并直接送入条件编码堆栈

此步骤非常适合：

• 为大规模数据集生成标题

• 从真实照片生成提示词

• 为后续增强或 LoRA 训练生成一致的 SDXL 提示词

---

🔹 2. 多阶段 SDXL aDetailer 细节优化

工作流的核心是一系列aDetailer 通道，每个通道专门针对特定区域进行优化：

• 面部

• 手部

• 牙齿

• 腋下

• 乳房

• 阴道

• 全身分割

每个通道包含：

• 来自 Impact Pack 的 YOLOv8 检测器

• SAM 用于精确遮罩生成

• 带正/负条件的 SDXL 内补优化

• 每个优化阶段的完整预览

这实现了极其精细的控制，并生成：

• 更清晰的面部结构

• 修正的手部

• 更好的皮肤连续性

• NSFW 内容中一致的解剖结构

• 减少低质量图像中的伪影

工作流具有模块化设计：用户可根据需要禁用或移除特定细节优化模块。

---

🔹 3. 高分辨率放大（2× 或 4×）

放大通过以下组件处理：

• UpscaleModelLoader（4x_NMKD-Siax_200k）

• ImageUpscaleWithModel 实现基于 AI 的增强

• ImageScaleBy 提供额外的干净整数缩放

• 两个最终输出：

  • 2× 放大

  • 4× 放大

结果包括：

• 清晰锐利的边缘

• 风格的完整保留

• 更优的纹理定义

• 适合发布或进一步处理的高分辨率图像

Set/Get 图像节点对提供了一种轻量级方式，可在放大分支中干净地复用中间图像。