CLIP Vision Encode ノードは、ComfyUI における画像エンコードノードであり、CLIP Vision モデルを通じて入力画像を視覚特徴ベクトルに変換します。このノードは、画像とテキストの理解を結びつける重要なブリッジであり、様々なAI画像生成・処理ワークフローで広く使用されています。
ノード機能
- 画像特徴抽出：入力画像を高次元の特徴ベクトルに変換します
- マルチモーダルブリッジ：画像とテキストの統合処理の基盤を提供します
- 条件付き生成：画像ベースの条件付き生成に視覚的条件を提供します
入力
出力
この出力オブジェクトには以下が含まれます：
last_hidden_state：最後の隠れ状態image_embeds：画像埋め込みベクトルpenultimate_hidden_states：最後から2番目の隠れ状態mm_projected：マルチモーダル投影結果（利用可能な場合）
このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集