MOSS-Image AnyPaint：在 ComfyUI 中进行遮罩图像修复与扩图

11 月 13 日，yijunwang2 发布了 MOSS AnyPaint，这是一个面向 MOSS-Image-Base 的 rank-32 适配器，可把该基础模型变成通用的遮罩编辑器：同画布图像修复、单次扩图、多个断开连接的编辑区域、狭窄结构，以及跨越来源图像边缘的遮罩。它由一个权重文件加一小段运行时组成；另一套独立的 ComfyUI 节点 alexw5702-afk/moss-anypaint 于同日发布，并附带配套工作流。该适配器是非官方社区发布，未获得 OpenMOSS 认可。

一次请求：外套在来源图像内部被重新生成，同时画布被加宽，因此她周围的图库墙面和地板也被生成出来。本文中的每个示例都从使用 Krea 2 基础模型渲染的合成来源图像开始，而非照片。来源：yijunwang2/moss-anypaint

MOSS-Image 已能编辑，为何还需要遮罩

MOSS-Image 自带的编辑路径由指令驱动：你交给它一张引用图像和一句话。此前已介绍过的编辑 LoRA 都遵循相同形态，从 rank-64 编辑 LoRA 到 Edit HQ v5，以及七个控制 LoRA。它们全都会重新生成整个画面，由提示词决定改变什么。

AnyPaint 走的是另一条路。你用二值遮罩精确指定哪些像素可以变化，运行时把其余一切保持在采样步骤所期望的噪声水平上。对象移除、服装替换、线缆改色和画布扩展不再是提示词塑形问题，而变成了遮罩问题，而这正是 ComfyUI 中现有图像修复与扩图工作流已经产出的东西。

输入约定

运行时接收一张 RGB 来源图像、一个二值遮罩、一个各边均为 16 的倍数的输出画布、一个可选的、以输出像素为单位的来源边界框 (x0, y0, x1, y1)，以及一段提示词：

• 白色生成，黑色保留。 高于 0.5 的值视为生成，其余一律视为保留；灰色或半透明遮罩不会作为部分强度生效。
• 与来源同尺寸的遮罩跟随来源图像。 画布尺寸的遮罩按原样使用；当两种尺寸一致时，以画布坐标为准。其他尺寸的遮罩会被拒绝。
• 来源框之外始终会被生成。 扩图只需给画布加边距，无需手绘遮罩，并且内部遮罩可以在同一请求中与之组合使用。
• 提示词描述的是已完成图像，而不是操作动作。要移除一个马克杯，你描述的是想保留的桌子和背景。

带遮罩的画布被编码为单个引用，最长边上限为 384 像素，其旋转坐标覆盖整个目标画布，因此模型看到的是一幅连贯的画面，而不是一块贴上去的补丁。已知像素还会以完整分辨率保留在另一份副本中，并在每个流步骤后恢复，遮罩边界保持自由混合。外部接缝会获得 32 像素的向内重绘带；内部遮罩则精确应用。返回的图像是模型的原始输出：其上没有对来源图像的隐藏合成。

对习惯 MOSS-Image 引用机制的人来说有一个细节很重要：文本编码器只看到你的提示词。图像侧完全由引用路径处理，引用图像的 VLM 编码已关闭。

案例效果

发布中给出三个示例，每个都以来源、精确遮罩和结果的形式展示：

窄线缆案例最有意思：遮罩只有几个像素宽，而纤细特征恰恰是遮罩类方法通常失效的地方，因为 VAE 和 patch tokenizer 会将其磨平。水彩案例则方向相反，它把一幅接近 1:1 的画作在单步内扩展为竖直构图。

全部十二个案例，每一行分别是来源、其精确二值遮罩和结果。涵盖室内外场景、对象、插画、3D 和人物主体。来源：yijunwang2/moss-anypaint

在 ComfyUI 中运行

该节点包复用了作者更早的 Krea 2 AnyPaint 节点的界面，所以运行过那套工作流的人会认得这个布局：AnyPaint Prepare 接收来源图像、一个 MASK 和每侧边距，MOSS AnyPaint Encode 接收提示词，MOSS AnyPaint Model Patch 则位于加载器与 K采样器 之间。

下载 MOSS AnyPaint 工作流

随附的工作流按如下方式连接：

基础 checkpoint、文本编码器和 VAE 来自 Comfy-Org MOSS-Image 重打包；DMD2 适配器是 Base 8-step DMD2 仓库中的 lora_dmd2.safetensors，而不是同一仓库中更早的 lora.safetensors。AnyPaint 适配器是单个 142 MiB 的文件。

进行图像修复时，把四个边距值都保持为 0，并用你现有的任何方式提供遮罩：SAM 或其他分割节点、在来源图像上使用遮罩编辑器编辑，或对黑白图像使用 ImageToMask。如果某个采样器节点返回的是反相遮罩，就交换连接，因为约定严格是白色输入。进行扩图时，以像素为单位设置你想扩展的一侧，其余保持为 0；画布会向上取整到 16 的倍数，因此未对齐的来源图像可能会在右侧和底部多出几个像素。

限制

• 生成比例较大时，可能引入无关的主体或结构。
• 极细的遮罩特征会被 VAE 和 patch tokenizer 粗化，因此头发、电线和轮廓是难点。
• 提示词含糊时，外部重绘带附近改变的上下文会比遮罩内部更多。
• 遮罩必须覆盖你想替换的整个对象或边缘；遗漏轮廓会留下毛边。
• 小对象的数量、精确位置和几何形状会随种子变化。
• 未被遮罩的像素仍可能略有差异，因为整个画面都会经过 VAE 解码。
• 作者公布的测量仅覆盖随附的配置：Base 搭配 8 步 DMD2 适配器、8 步、CFG 1、shift 5。其他采样器、步数和精度未经测试。

可用性

适配器及其 Python 运行时位于 Hugging Face，其中包括 example.py、pipeline 代码和 SHA256 校验和。ComfyUI 节点位于 alexw5702-afk/moss-anypaint，releases 截至 11 月 14 日的 v0.2.0。已保存的现有工作流会保留自己的边距值，因此较早的配置不会采用新的默认值。

MOSS-Image 的基础模型页面在这里，而基于遮罩的方法与基于指令的编辑 LoRA 互为补充：指令路径更易编写，遮罩路径更易控制。