MOSS-Image Base レイアウトガイド付きテキストから画像へ#
この ComfyUI ワークフローは、MOSS-Image Base チェックポイントを使用して、テキストとバウンディングボックスを正確なレイアウト認識画像に変換します。ボックスを使って構図をスケッチし、各領域をオブジェクトまたはテキストとしてラベル付けし、その構造をレイアウトプロンプトに変換して生成を導きます。より表現力豊かなフレージングのためにプロンプト拡張を有効にしておくか、ボックス由来の正確な表現を保持するために無効にします。
MOSS-Image Base レイアウトガイド付きテキストから画像は、ポスターコンセプト、製品ヒーローショット、被写体とタイポグラフィの位置を尊重しなければならないデザインに最適です。公式のベースレイアウトテンプレートから始め、ボックスサイズ、ラベル、グローバルプロンプトを微調整して見た目とレイアウトを洗練させます。
- スターターテンプレート: Base layout template on GitHub
- モデルプロジェクト: OpenMOSS MOSS-Image on GitHub
- 重みとアセット: MOSS-Image on Hugging Face
ComfyUI MOSS-Image Base レイアウトガイド付きテキストから画像ワークフローの主要モデル#
- MOSS-Image Base。ワークフローで使用される主要なテキストから画像へのジェネレーターです。ボックス認識の記述に従うことを学び、意図した場所にオブジェクトとテキストを表示しつつ、全体のビジュアルクオリティを維持します。プロジェクトのリポジトリで背景とトレーニングの詳細を参照してください: OpenMOSS MOSS-Image および Comfy-Org の重みハブ: Comfy-Org/MOSS-Image。
- オートエンコーダー (VAE)。ノイズ除去された潜在変数をピクセルに変換し戻す画像デコーダーです。色の忠実性とシャープネスのために MOSS-Image Base にバンドルまたは推奨されるオートエンコーダーを使用してください。
- プロンプトエンハンサーモデル (オプション)。ワークフローで使用される軽量のテキストリライターで、ボックス由来のプロンプトを豊かにします。最小限の文言変更で厳密なレイアウト優先の制御を望む場合はオフにしてください。
ComfyUI MOSS-Image Base レイアウトガイド付きテキストから画像ワークフローの使用方法#
大まかに言えば、キャンバスを定義し、各要素にボックスを描き、それらの要素を記述し、生成します。ワークフローはボックスとラベルを構造化されたレイアウトプロンプトに変換し、MOSS-Image Base モデルを条件付けし、サンプラーを実行して潜在変数をノイズ除去し、RGB にデコードし、結果を保存します。
キャンバスとボックスを準備する#
目標アスペクト比でキャンバスを作成またはロードします。含める予定の主要な被写体と各テキスト領域にバウンディングボックスを描きます。「赤いビンテージカメラ」、「光沢のあるボトル」、「見出し: 太字サンセリフ製品名」など、明確で具体的なラベルを使用します。ボックスの配置、サイズ、重なりがモデルに構図と階層を伝えます。
オブジェクトとテキスト領域を記述する#
各ボックスには短い説明を付けます。テキスト領域には意図した文言を含めて、モデルがその領域をタイポグラフィとして扱うようにします。表現は簡潔で具体的に保ちます。ボックスがスペーシングやネガティブスペースのみのための場合は、それに応じてラベルを付けて、ジェネレーターが軽くまたは空のままにするように学習します。
構造化されたレイアウトプロンプトを作成する#
ワークフローはボックスを位置とセマンティクスをエンコードする構造化されたレイアウトプロンプトに変換します。このステップは、オブジェクトとタイプにわたる空間的意図を保持します。スタイルを詳述するためにモデルに求める場合は、プロンプト拡張をオンにします。生成された画像がボックスの説明に厳密に従うことを望む場合は、プロンプト拡張を無効にしてオリジナルのレイアウトプロンプトを保持します。
グローバルガイダンスとネガティブを追加する#
全ボックスに適用されるスタイル、ムード、ブランドの手がかりを設定する短いグローバルプロンプトを提供します。例えば「スタジオ照明、ハイコントラスト、クリーンな背景」。不要なアーティファクトを防ぐためのネガティブプロンプトを追加します。「ぼやけた、歪んだテキスト、余分な手足」など。ボックスからのレイアウトプロンプトがバックボーンとして機能し、グローバルテキストが全体の美学を促します。
生成し、繰り返し行う#
サンプラーを実行して画像を生成します。被写体がずれた場合、そのボックスを少し大きくしたり、位置を調整したり、ラベルをより明確な名詞や素材の手がかりで強化します。テキストの配置が正しいが、文字の形が絵画的すぎる場合は、説明を引き締めて、プロンプト拡張をオフにすることを検討してください。制御された A-B テストのために同じシードを再利用し、代替案を探るためにシードを変更します。
デコード、プレビュー、保存#
ワークフローは最終的な潜在変数を RGB 画像にデコードしてプレビューします。タイムスタンプや説明的な名前で出力を保存し、どのレイアウトと文言が最良の結果を生み出したかを追跡します。強い構図に達したら、目標サイズでエクスポートし、必要に応じてタイポグラフィを下流で洗練してクリスプなベクターセットタイプを実現します。
MOSS-Image Base レイアウトガイド付きテキストから画像へのオプションの追加機能#
- 公式テンプレートから始め、レイアウトが配置にどのように影響するかを学ぶために一度に少数のボックスのみを調整します。
- テキストボックスの周りに十分な余白を残して、読みやすさを向上させ、形状のアーティファクトを減らします。
- ボックスが近接している場合、重要な被写体の近くの注意を抑制するためにネガティブプロンプトを使用します。
- レイアウトを調整する間はシードをロックし、構図を変えずにスタイリスティックなバラエティを探るためにアンロックします。
- 製品作業では、リアリズムを向上させるために「マットガラス」、「ブラッシュドアルミニウム」、「マット紙ポスター」などの素材と仕上げの言葉をボックスラベルに追加します。
謝辞#
このワークフローは、以下の作品とリソースを実装および構築しています。公式の ComfyUI チュートリアル、ベースレイアウトテンプレートワークフロー、ComfyUI MOSS-Image モデルの重みを提供してくれた Comfy-Org に感謝し、MOSS-Image プロジェクトを提供してくれた OpenMOSS に感謝します。権威ある詳細については、以下にリンクされた元のドキュメントとリポジトリを参照してください。
リソース#
- Comfy-Org/公式 ComfyUI チュートリアル
- ドキュメント / リリースノート: Official ComfyUI tutorial
- Comfy-Org/公式ベースレイアウトテンプレート
- GitHub: Comfy-Org/workflow_templates
- OpenMOSS/MOSS-Image プロジェクト
- GitHub: OpenMOSS/MOSS-Image
- Comfy-Org/ComfyUI モデルの重み
- Hugging Face: Comfy-Org/MOSS-Image
注: 参照されているモデル、データセット、およびコードの使用は、それぞれの著者および管理者によって提供されるライセンスおよび条件に従います。
