Skip to content
후원자 되기 더 나은 ComfyUI 지식베이스 구축을 돕기

ComfyUI 부분 복원 워크플로우 예제

이미지 부분 복원은 이미지의 특정 부분을 다른 부분에 영향을 주지 않고 수정하는 것을 의미합니다:

  • 장면에서 물체 제거
  • 인물의 세부 사항(표정, 의상) 수정
  • 의상 색상 변경 등

이 모든 것은 이미지 부분 복원을 통해 실현할 수 있습니다. 이 글에서는 기본적인 부분 복원 워크플로우를 소개합니다. ComfyUI 공식 부분 복원 워크플로우에서 VAE Inpainting Encoder를 사용한 공식 예제를 찾을 수 있습니다. 하지만 이 튜토리얼에서는 Set Latent Noise Mask를 사용하여 부분 복원을 시연합니다.

이 튜토리얼은 주로 이미지 속 인물의 눈 색상과 표정을 수정하는 방법을 보여줍니다.

부분 복원 결과

부분 복원 워크플로우 시작 전 준비(선택 사항)

이 워크플로우는 다음 모델을 사용하지만, SD1.5 모델이 없는 경우를 제외하고는 필수가 아닙니다:

모델 유형모델명다운로드 링크설명
SD1.5 모델DreamShaper v8다운로드SD1.5의 기본 모델

다운로드 후 모델 파일을 다음 디렉토리에 저장하세요:

📁ComfyUI
├── 📁models
│   ├── 📁checkpoints
│   │   └── 📁SD1.5                                  // 새로운 SD1.5 폴더 생성 
│   │       └── dreamshaper_8.safetensors            // DreamShaper v8 배치

부분 복원 워크플로우 자료

아래 이미지를 다운로드하고 버튼을 클릭하여 워크플로우 파일을 다운로드하세요

부분 복원 입력 이미지

이미지 인페인팅 워크플로우 설명

ComfyUI를 열고 워크플로우 파일을 ComfyUI로 드래그하거나 메뉴를 사용하여 워크플로우 파일을 로드하세요 이미지 인페인팅 워크플로우 예시

  1. 번호 1에서 DreamShaper v8 모델을 로드하거나 컴퓨터에 있는 다른 유형의 모델을 로드하세요
  2. 번호 2에서 Load Image를 사용하여 이전 단계에서 제공된 이미지를 로드하세요

다시 그리고 싶은 부분의 마스크를 그립니다. 마스크 템플릿 그리기에 대한 자세한 방법은 마스크 에디터 사용 방법을 참조하세요.

마스크 에디터

  1. 번호 3CLIP Text Encode의 텍스트를 수정하세요. 제 워크플로우에서는 smile, black eyes, close mouth입니다. 원하는 이미지 내용으로 수정할 수 있습니다

  2. Queue를 사용하거나 Ctrl(Command)+Enter 단축키를 사용하여 워크플로우를 실행하여 이미지를 생성하세요. 만족스러운 결과를 얻기 위해 여러 번 재생성이 필요할 수 있습니다

아래의 긍정적 프롬프트와 부정적 프롬프트를 사용하여 다양한 생성 효과를 비교해보세요 긍정적 프롬프트(Positive):

black eyes,smile, 1girl, upper body portrait, front view, symmetrical face, detailed face, intricate jewelry, ornate hair ornament, elegant chinese dress,, black hair, long hair, earrings, forehead mark, facial mark, hair flower, flower accessory, looking at viewer, expressionless, soft lighting, depth of field, blurry background

부정적 프롬프트(Negative):

blurry, low quality, cropped, extra limbs, disfigured face, deformed, watermark, text, multiple girls, exaggerated features, side view, profile, asymmetrical face, turned head, looking away
  1. 다른 denoise 매개변수를 조정하여 다양한 생성 효과를 확인해보세요. 0.1과 같은 작은 값부터 시작하는 것이 좋습니다