MOSS-Image Canny Control ComfyUI: Rediseño guiado por indicaciones desde contornos de referencia#
Este flujo de trabajo convierte los contornos de una foto de referencia en una nueva imagen fija guiada por una indicación de texto. Combina el modelo base MOSS-Image-SFT con un LoRA de Control Canny dedicado para que los bordes detectados guíen la composición mientras la indicación dicta materiales, colores e iluminación. El resultado es una forma rápida y confiable de rediseñar objetos sin perder contornos reconocibles.
MOSS-Image Canny Control ComfyUI es ideal para tomas de productos, exploraciones de pintura y detalles de vehículos, y fachadas arquitectónicas donde la silueta y el diseño deben permanecer consistentes. Proporcionas una imagen y una indicación clara; el flujo de trabajo preserva la geometría del mapa de bordes mientras te da control creativo sobre el acabado y el ambiente.
Modelos clave en el flujo de trabajo Comfyui MOSS-Image Canny Control ComfyUI#
- OpenMOSS-Team MOSS-Image-SFT. Modelo de imagen condicionado por texto afinado para edición y generación robusta; proporciona la base de eliminación de ruido y comprensión de tu indicación mientras responde a señales de estructura. Modelo
- MOSS-Image Canny Control LoRA por thedeoxen. Adaptador ligero que inyecta control basado en Canny en MOSS-Image-SFT para que el contenido generado siga el mapa de contornos suministrado. Modelo
Cómo usar Comfyui MOSS-Image Canny Control ComfyUI#
A un nivel alto, el flujo de trabajo extrae bordes de tu referencia, codifica tus indicaciones positivas y negativas con el codificador de edición de MOSS-Image, toma muestras con el modelo base más el LoRA de Control Canny, y luego decodifica a una imagen final. La imagen de control establece la estructura; la indicación establece la apariencia.
Carga una imagen de referencia (LoadImage (#1))#
Importa una foto única y bien expuesta del sujeto con el encuadre y la relación de aspecto que deseas mantener. El flujo de trabajo trata esto como la fuente de geometría para el rediseño. Fuentes limpias con límites claros y mínimo desenfoque de movimiento funcionan mejor.
Extrae contornos de Canny y previsualiza (canny control (#2) y Control (#13))#
El flujo de trabajo calcula un mapa de bordes de Canny de tu foto usando el preprocesador auxiliar ControlNet para que solo los contornos más destacados guíen la composición. Se priorizarán los bordes fuertes del sujeto principal, mientras que el ruido fino se suprimirá. Puedes previsualizar la imagen de control para confirmar que los contornos coinciden con tu intención antes de generar. Esta etapa utiliza la implementación del operador Canny del conjunto auxiliar ControlNet. Consulta el repositorio: comfyui_controlnet_aux.
Ajusta el lienzo a la imagen de control (GetImageSize (#7) y EmptyLatentImage (#10))#
El ancho y la altura del lienzo se derivan de la imagen de control para mantener las proporciones perfectas. Esta alineación previene la distorsión de aspecto y reduce la deriva de la composición. Si necesitas una relación de aspecto diferente, recorta la referencia antes de cargarla para que el control y el lienzo permanezcan en sincronía.
Escribe tus indicaciones (Text Encode MOSS-Image Edit (positive) (#8) y Text Encode MOSS-Image Edit (negative) (#9))#
Describe los materiales deseados, estilo, color, iluminación y entorno en la indicación positiva. El codificador de edición condiciona tanto tu texto como la imagen de control para que los cambios de apariencia ocurran mientras la estructura permanece. Usa la indicación negativa para suprimir artefactos que no deseas, como texto no deseado, baja calidad o elementos fuera de estilo. El condicionamiento de edición de imagen ayuda a mantener la fidelidad de la silueta incluso cuando tu indicación está altamente estilizada.
Carga el modelo base y aplica el LoRA de Control Canny (UNETLoader (#3) y canny control LoRA (#4))#
El UNet de MOSS-Image-SFT proporciona la columna vertebral generativa. Luego se aplica el LoRA de Control Canny al modelo para que la guía basada en bordes influya en la trayectoria de eliminación de ruido. Juntos, fusionan el control estructural de los contornos con la intención semántica de tu indicación, permitiendo rediseños fieles sin máscaras manuales.
Muestrea y decodifica (KSampler (#11) y VAEDecode (#12))#
El muestreo produce la imagen latente bajo tus condiciones positivas y negativas. Puedes mantener resultados repetibles con una semilla fija o explorar alternativas cambiándola. Después del muestreo, el VAE decodifica latentes a una imagen RGB para previsualización y exportación. Si ves rigidez excesiva en las líneas, relaja el control reduciendo la influencia del LoRA o aumentando la libertad creativa durante el muestreo; si ves deriva, haz lo contrario.
Revisa el resultado (Result (#14))#
Inspecciona la previsualización del resultado. Si la silueta es correcta pero los detalles no cumplen con el objetivo, refina la indicación positiva; si la estructura se desvía, fortalece el control estructural o simplifica la indicación. Itera hasta que los materiales, el ambiente y la geometría cumplan con tu objetivo.
Nodos clave en el flujo de trabajo Comfyui MOSS-Image Canny Control ComfyUI#
canny control (#2)#
Genera el mapa de bordes que actúa como el anterior de estructura para toda la ejecución. Ajustar los umbrales bajos y altos cambia qué contornos sobreviven: umbrales más altos enfatizan contornos principales, umbrales más bajos admiten detalles más finos. Usa la previsualización para asegurarte de que los bordes capturen la silueta del objeto sin desorden. Referencia de implementación: comfyui_controlnet_aux.
canny control LoRA (#4)#
Aplica el LoRA de Control Canny al modelo base para que el muestreador siga el mapa de bordes. Aumenta la fuerza del LoRA cuando quieras una adherencia estricta a los contornos, y redúcela para una geometría más suelta y creativa. Este equilibrio es clave para combinar la fidelidad estructural con la libertad estilística. Modelo: thedeoxen/MOSS-Image-canny-controlnet.
Text Encode MOSS-Image Edit (positive) (#8)#
Codifica tu indicación principal, condicionándola tanto en el texto como en la imagen de control para generación consciente de edición. Enfócate en descriptores concretos como materiales de superficie, acabado, señales de forma neutrales a la marca, calidad de iluminación y entorno. Si el modelo no especifica color o textura, agrega adjetivos explícitos y lenguaje de cámara. Modelo base: OpenMOSS-Team/MOSS-Image-SFT.
Text Encode MOSS-Image Edit (negative) (#9)#
Codifica tus términos negativos para desviar al muestreador de características no deseadas. Usa bloqueadores concisos para baja calidad, artefactos, elementos fuera de tema y términos NSFW cuando sea apropiado. Negativos ajustados ayudan al muestreador a invertir capacidad en el aspecto que deseas en lugar de reparar errores comunes.
KSampler (#11)#
Ejecuta el proceso de eliminación de ruido que convierte el acondicionamiento y el ruido latente en una imagen. Las palancas clave son la semilla para la reproducibilidad, el algoritmo del muestreador para el carácter de textura y detalle, el número de pasos para el refinamiento, la escala de guía para intercambiar la fuerza de la indicación contra el realismo, y la fuerza de eliminación de ruido para variar qué tan estrictamente el resultado sigue el control. En caso de duda, bloquea la semilla mientras ajustas una palanca a la vez para entender su efecto. Proyecto de referencia: ComfyUI.
Extras opcionales#
- Comienza con fotos de productos nítidas y de contraste medio; evita el desenfoque de movimiento y fondos desordenados para que Canny extraiga siluetas limpias.
- Si la estructura es perfecta pero la vibra está apagada, mantén la semilla y refina solo la indicación; si la estructura se desvía, ajusta la fuerza del LoRA o la eliminación de ruido hacia más control.
- Menciona anclas de composición en la indicación (por ejemplo, "misma silueta centrada") para reforzar el diseño sin luchar contra la imagen de control.
- Recorta previamente la referencia al aspecto exacto que deseas; el lienzo coincide automáticamente con la imagen de control.
- Para detalles mecánicos finos, permite bordes ligeramente más ricos; para rediseños amplios, favorece bordes más dispersos para evitar restringir demasiado las texturas.
Este flujo de trabajo de MOSS-Image Canny Control ComfyUI te brinda un control estructural preciso con un estilo flexible, convirtiéndolo en una herramienta confiable para rediseños rápidos y amigables con la iteración en productos, vehículos y arquitectura.
Agradecimientos#
Este flujo de trabajo implementa y se basa en los siguientes trabajos y recursos. Agradecemos profundamente a thedeoxen por MOSS-Image-canny-controlnet (Canny Control LoRA y flujo de trabajo), OpenMOSS-Team por MOSS-Image-SFT (modelo base), y Fannovel16 por comfyui_controlnet_aux (nodos preprocesadores de Canny) por sus contribuciones y mantenimiento. Para detalles autorizados, consulta la documentación original y los repositorios enlazados a continuación.
Recursos#
- thedeoxen/MOSS-Image-canny-controlnet
- Hugging Face: thedeoxen/MOSS-Image-canny-controlnet
- OpenMOSS-Team/MOSS-Image-SFT
- Hugging Face: OpenMOSS-Team/MOSS-Image-SFT
- Fannovel16/comfyui_controlnet_aux
Nota: El uso de los modelos, conjuntos de datos y código referenciados está sujeto a las respectivas licencias y términos proporcionados por sus autores y mantenedores.
