CLIP Vision Encode 节点是 ComfyUI 中的图像编码节点，用于通过 CLIP Vision 模型将输入图像转换为视觉特征向量。该节点是连接图像与文本理解的重要桥梁，广泛应用于各类 AI 图像生成与处理工作流中。
节点功能
- 图像特征提取：将输入图像转换为高维特征向量
- 多模态桥接：为图像与文本的联合处理提供基础
- 条件生成：为基于图像的条件生成提供视觉条件
输入
输出
该输出对象包含：
last_hidden_state：最后隐藏状态image_embeds：图像嵌入向量penultimate_hidden_states：倒数第二隐藏状态mm_projected：多模态投影结果（若存在）
本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑