4.ComfyUI——局部重绘工作流

糖逗

1. 目标
对图片中的局部位置进行重绘，其他不变


2. 工作流

可以操作该教程进行学习演练https://comfyui-wiki.com/zh/tutorial/basic/how-to-inpaint-an-image-in-comfyui

注意：

• 需要对局部重绘的位置进行遮罩处理
• 为了保证重绘前后的图片主体没有太大变化，要设置初始噪声接近1，大约0.6-0.8左右
• 增加反向提示词，否则容易生成低质量的图片
  

3. 后续展望
待补充VAE编码器和解码器的技术原理

FishC

ComfyUI 局部重绘工作流解答

针对鱼油提出的关于 ComfyUI 局部重绘工作流的问题，我将按照以下部分进行解答，确保内容简洁易懂。

一、目标
局部重绘的目标是对图片中的特定区域进行修改（例如修复、替换内容），而保持其他部分不变。这通常用于图像编辑、去瑕疵或创意生成。

二、工作流步骤
在 ComfyUI 中实现局部重绘，可以遵循以下基本步骤。注意，这里基于一般工作流描述，无需外部链接。

• 加载图像：使用节点（如 Load Image）导入需要重绘的图片。
• 创建遮罩：使用遮罩工具（如 Mask Editor 或节点）标记需要重绘的区域。遮罩通常为白色区域表示重绘，黑色表示保留。
• 设置提示词：输入正向提示词描述想要生成的内容，并增加反向提示词以避免低质量输出（例如 "blur, low quality, distortion"）。
• 配置重绘参数：
      o 使用重绘节点（如 KSampler 或 Inpaint 节点），将图像和遮罩连接。
      o 设置初始噪声强度（denoise 参数）：建议在 0.6-0.8 之间，以保持主体不变，避免过大变化。
• 运行工作流：连接 VAE 编码器/解码器和其他必要节点，执行生成。
  

三、关键注意事项

• 遮罩处理：精确遮罩是关键，确保只重绘目标区域。在 ComfyUI 中，可以使用节点如 VAE Encode (for inpainting) 来处理遮罩图像。
• 初始噪声设置：为减少变化，将去噪强度（如 denoise 值）设置为接近 1，推荐 0.6-0.8。这通过控制噪声注入来保留原图结构。
• 反向提示词：务必添加反向提示词，以提高生成质量，避免常见缺陷。
  

四、VAE 编码器和解码器的技术原理补充
VAE（变分自编码器）在稳定扩散模型中用于图像压缩和重建：

• 编码器：将输入图像压缩到潜在空间（latent space），提取关键特征。它通过神经网络降维，将图像转换为低维潜在向量，保留重要信息。
• 解码器：将潜在向量重建为图像。它从潜在表示中恢复细节，生成高质量输出。
  在局部重绘中，VAE 编码器用于将图像和遮罩编码为潜在表示，而解码器将重绘后的潜在解码回图像。这确保了高效处理并保持一致性。
  

五、示例代码块
以下是一个简化的 ComfyUI 工作流节点配置示例，用于局部重绘：

1. 
   
2. {
   
3.   "nodes": [
   
4.     {
   
5.       "type": "LoadImage",
   
6.       "inputs": {
   
7.         "image_path": "path/to/image.png"
   
8.       }
   
9.     },
   
10.     {
    
11.       "type": "MaskEditor",
    
12.       "inputs": {
    
13.         "image": "来自 LoadImage 的输出",
    
14.         "mask": "用户定义的遮罩"
    
15.       }
    
16.     },
    
17.     {
    
18.       "type": "CLIPTextEncode",
    
19.       "inputs": {
    
20.         "text": "正向提示词，例如 'a beautiful landscape'",
    
21.         "negative_text": "反向提示词，例如 'blurry, distorted'"
    
22.       }
    
23.     },
    
24.     {
    
25.       "type": "KSampler",
    
26.       "inputs": {
    
27.         "latent_image": "来自 VAE 编码器的输出",
    
28.         "denoise": 0.7,
    
29.         "steps": 20
    
30.       }
    
31.     },
    
32.     {
    
33.       "type": "VAEDecode",
    
34.       "inputs": {
    
35.         "samples": "来自 KSampler 的输出"
    
36.       }
    
37.     }
    
38.   ]
    
39. }
    

复制代码

注意：实际工作流可能更复杂，需根据 ComfyUI 界面调整节点。建议通过实践熟悉节点连接。

六、总结
局部重绘在 ComfyUI 中依赖遮罩、噪声控制和提示词优化。理解 VAE 原理有助于调试工作流。如果有具体问题，欢迎进一步提问！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。