built-in-nodes/VAEEncode

[giscus[bot]]

built-in-nodes/VAEEncode

This node is designed for encoding images into a latent space representation using a specified VAE model.

https://docs.comfy.org/built-in-nodes/VAEEncode

[Nuos]

VAE 是一种数据转换模型( variational autoencoder model),用于在图像数据在 Latent-Space 与 Pixel-Space 之间进行转换。 一般认为VAE编码，是指将像素空间数据（Pixel-Space）转为 潜空间表示数据（Latent-Space）；逆操作称为VAE解码，即将潜空间表示数据（Latent-Space）转为像素空间数据（Pixel-Space）。

[Nuos]

VAE（Variational Autoencoder，变分自编码器）是一类通过训练学习数据与潜变量之间关系的生成模型。在图像生成工作流中，它承担像素表示与潜变量表示之间的编解码转换：编码器将像素空间中的图像数据转换为潜空间中的潜变量表示；解码器根据兼容的潜变量表示，重建或生成像素空间中的图像数据。这种转换通常是有损的，并非严格可逆。( https://arxiv.org/html/1312.6114v11 )

[Nuos]

这里改变的是图像内容的表示方式，不是把同一组数值换一种文件格式保存。

在像素表示中，数据直接描述各像素位置的颜色数值；经过编码后，数据变成编码网络学习到的潜变量表示，不再直接对应一张可显示的彩色图像。在潜空间扩散体系中，这种更紧凑的表示使后续扩散计算更经济，但也需要在压缩程度与细节保留之间取舍。

因此，可以进一步理解为：

同一图像内容：从“直接描述像素的表示”，转换为“模型学习到的潜变量表示”；解码时再根据潜变量构造像素表示。

[lin-bot23]

Hi @Nuos, thanks for the detailed follow-up — that is exactly the right mental model. To confirm and summarize:

• VAE Encode converts pixel-space image data into a latent-space representation (which is what the pixels input expects and the LATENT output provides).
• VAE Decode performs the inverse: latent -> pixel space.
• The conversion is lossy and representation-changing, not a file-format or numerical re-encoding of the same values.

We appreciate you taking the time to verify this against the original paper (https://arxiv.org/abs/1312.6114) and share it here. If you feel the VAEEncode doc page could be clearer on any of these points, please let us know — suggestions like this are very welcome.