ComfyUi-Untwisting-RoPE

不训练模型，用位置编码把参考画风搬到生成图里

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 137
维护状态 活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类图像生成
开发团队BigStationW
所属国家
官网地址
GitHubhttps://github.com/BigStationW/ComfyUi-Untwisting-RoPE
定价模式free
价格说明开源免费，需自行部署
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型
GitHub 星标★ 137
30天Star增速
HF 下载量
上线时间2026-05-23 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-17
浏览次数0

项目介绍

ComfyUi-Untwisting-RoPE 是一个面向 ComfyUI 的开源节点扩展，针对 DiT（Diffusion Transformer）类扩散模型实现免训练的风格迁移。它利用 RoPE（旋转位置编码）在注意力机制中的特性，通过干预或解耦位置编码来分离图像的内容结构与风格信息，从而在不重新训练、不微调模型的前提下，把参考图的画风迁移到目标生成结果上。项目以 Python 编写，可直接作为 ComfyUI 自定义节点接入现有工作流，适合已经使用 Flux、SD3 等 DiT 架构模型的用户。核心能力包括：无需训练即可做风格参考、与现有文生图流程组合、对生成过程的位置编码进行可控调整。相比传统 LoRA 或 IP-Adapter 方案，它省去了训练成本，属于轻量级、实验性的风格控制手段。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

  • 免训练即可做风格迁移，省去 LoRA 训练和数据集准备成本
  • 以 ComfyUI 节点形式提供，能直接嵌入现有 DiT 工作流
  • 基于 RoPE 位置编码做干预，思路新颖，对 Flux/SD3 等 DiT 模型有针对性

不足之处

  • 仅支持 DiT 架构模型，对 SD1.5/SDXL 等 UNet 模型无效
  • 早期项目，参数调节和效果稳定性依赖经验，文档与社区案例较少

适用场景

  • 在 ComfyUI 中用 Flux 生成图片时套用某张参考图的画风
  • 为已有 DiT 生成结果做风格统一，保持系列图视觉一致
  • 研究 RoPE 位置编码对扩散模型风格与内容解耦影响的实验

替代项目

IP-Adapter、InstantStyle

上一篇：awesome-gpt-image

下一篇：没有了！

同类项目推荐

satori 开源

网页代码一键变高清图，放大不糊，不用截图

Enlightened library to convert HTML and CSS to SVG

★ 14090 2026-08-09
C2GAN 开源

用关键点精准控制图像生成，让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
ComfyUI 开源

像搭积木一样连节点，生图流程自己搭

The most powerful and modular diffusion model GUI, api and backend with a graph/node···

★ 137773 2026-08-09