Boogu Image Edit ComfyUI 워크플로우를 사용한 지침에 따른 이미지 편집#
Boogu Image Edit ComfyUI 워크플로우는 단일 소스 이미지와 명확한 긍정 및 부정 편집 프롬프트를 현실적인 지침 기반 편집으로 전환하여 주제와 카메라 구도를 유지합니다. 전체 이미지를 재구성하지 않고 옷장, 재료, 색상 또는 장면 조정이 필요한 크리에이터를 위해 설계되었습니다. 이 워크플로우는 Flux VAE 경로를 사용하여 세부 사항과 구조를 유지하며, 에디토리얼 초상화를 패션 편집으로 변환하여 이상적인 전후 결과를 제공합니다.
RunComfy를 위해 제작된 Boogu Image Edit ComfyUI 워크플로우는 Boogu-Image-0.1-Edit 모델을 Qwen3-VL 텍스트 인코딩 설정과 함께 로드한 다음 원래 구성을 존중하는 편집을 샘플링합니다. 박스에서 벗어나 측면 비교와 슬라이더 뷰어를 제공하여 차이를 쉽게 검토하고 빠르게 반복할 수 있습니다.
Comfyui Boogu Image Edit ComfyUI 워크플로우의 주요 모델#
- Boogu-Image-0.1-Edit. 주제의 정체성과 레이아웃을 유지하면서 외관을 다시 쓰는 핵심 지침 기반 편집 모델입니다. 프롬프트 지침을 지역적 변경에 매핑하여 전체 장면을 재생성하지 않습니다. 모델 카드
- Qwen3-VL 텍스트 인코더. 편집 의도와 제약 조건에 대한 프롬프트 이해를 강화하기 위해 사용되는 멀티모달 정렬 텍스트 인코더입니다. 이 워크플로우에서는 Boogu ComfyUI 가중치 패키지의 일부로 제공됩니다. 가중치 컬렉션
- Flux VAE. Flux 계열에서 사용되는 오토인코더로 이미지를 높은 충실도로 압축하고 재구성하여 편집 중에 구성과 질감을 유지하는 데 도움을 줍니다. 참조 저장소
Comfyui Boogu Image Edit ComfyUI 워크플로우 사용 방법#
이 파이프라인은 입력에서 비교까지의 직선 경로를 따릅니다: 소스 이미지를 로드하고 크기를 조정한 다음, 지침을 인코딩하고, 편집을 샘플링하고, 디코딩한 다음 비교하거나 저장합니다. Boogu Image Edit ComfyUI 워크플로우는 입력 크기에 맞춰 잠재 캔버스를 일치시켜 원래의 프레이밍을 유지합니다.
입력 및 크기 조정#
참조 사진을 로드하는 것으로 시작합니다. LoadImage (#62) 노드는 이미지를 그래프에 가져오고 LayerUtility: ImageScaleByAspectRatio V2 (#64)는 비율을 유지하면서 이를 크기 조정합니다. 이 단계는 왜곡을 피하기 위해 레터박스를 추가하여 깨끗하고 모델 친화적인 해상도를 준비합니다. GetImageSize (#65)는 크기 조정된 이미지의 너비와 높이를 읽어 다운스트림 단계가 잠재 캔버스를 정확히 일치시킬 수 있도록 합니다. Boogu Image Edit ComfyUI 워크플로우는 제자리에 편집되기 때문에 입력의 비율을 유지하는 것이 안정적이고 사실적인 결과를 얻는 데 중요합니다.
모델 및 인코더#
샘플링이 시작되기 전에 모델과 인코더가 초기화됩니다. UNETLoader (#70)는 Boogu-Image-0.1-Edit 네트워크를 로드하고, CLIPLoader (#69)는 Qwen3-VL 텍스트 인코딩 백본을 제공하며, VAELoader (#71)는 Flux VAE 경로를 설정합니다. 이 조합은 텍스트 지침을 시각적 콘텐츠와 정렬하면서 공간 구조를 유지합니다. 여기서는 사용자가 올바른 모델 파일이 환경에 있는지 확인하는 것 외에는 입력이 필요하지 않습니다.
지침 인코딩#
TextEncodeBooguEdit (#63)에서 프롬프트가 편집 지침으로 변환됩니다. 원하는 변경 사항을 설명하는 명확한 긍정 프롬프트를 제공하고, 선택적으로 피해야 할 사항을 나열한 부정 프롬프트를 제공합니다. 노드는 또한 소스 이미지를 수용하여 정체성, 포즈, 조명 및 구도를 고정시켜 편집이 원본 사진을 존중하도록 합니다. 결과는 의도를 향해 생성물을 유도하면서 원치 않는 드리프트를 저항하는 두 개의 조건 스트림입니다.
잠재 캔버스 및 재현성#
구성을 유지하기 위해 EmptyLatentImage (#66)는 GetImageSize (#65)에서 크기 조정된 입력의 크기를 사용하여 잠재 캔버스를 생성합니다. Seed (rgthree) (#61)에서 제공되는 재현 가능한 시드는 동일한 편집을 다시 실행하거나 의도적으로 변형을 무작위화할 수 있게 합니다. 입력에 맞춰 잠재를 정렬하면 Boogu Image Edit ComfyUI 워크플로우가 주제의 기하학과 배경 연속성을 유지하는 데 도움이 됩니다. 이는 또한 작은, 목표 지향적인 조정을 반복 간에 더 예측 가능하게 만듭니다.
샘플링#
샘플링은 편집이 형성되는 곳입니다. ModelSamplingAuraFlow (#60)는 모델 샘플링 동작을 구성하고, KSampler (#67)는 긍정 및 부정 조건을 잠재 캔버스에 적용합니다. 샘플러의 핵심 아이디어는 지침과 소스 이미지의 특징에 의해 안내된 반복적 정제입니다. 미묘하고 국부적인 변경을 원한다면 보존을 프롬프트에서 강조하고 편집 강도를 적당히 유지하십시오; 더 대담한 재료 또는 팔레트 교환을 위해서는 편집 강도를 높이고 새로운 속성을 명확히 하십시오. Boogu Image Edit ComfyUI 워크플로우는 통제된 편집을 위해 조정되었으므로 프롬프트의 명확성이 대개 공격적인 샘플링보다 중요합니다.
디코드, 비교 및 저장#
샘플링이 완료되면 VAEDecode (#57)는 Flux VAE를 사용하여 편집된 이미지를 재구성합니다. 평가를 위해 ImageConcanate (#58)는 원본과 편집된 이미지를 나란히 배치하고, Image Comparer (rgthree) (#73)는 슬라이더 스타일의 시각적 차이를 제공합니다. SaveImage (#72)를 사용하여 단일 편집 결과를 저장하고, 다른 SaveImage (#68)를 사용하여 나란히 비교를 저장할 수 있습니다. 이러한 출력은 Boogu Image Edit ComfyUI 워크플로우가 귀하의 브리핑을 충족했는지 검토하고 필요할 때 프롬프트를 반복할 수 있게 합니다.
Comfyui Boogu Image Edit ComfyUI 워크플로우의 주요 노드#
TextEncodeBooguEdit (#63)#
이 노드는 긍정 및 부정 프롬프트와 참조 이미지를 함께 편집을 유도하는 조건으로 변환합니다. 원하는 변경 사항에 대해 간결하고 설명적인 언어를 사용하고 필요한 경우 보호할 요소를 명시적으로 나열하십시오. 모델이 과도하게 편집할 경우 프롬프트에서 보존 용어를 강화하거나 이를 부정 프롬프트에 추가하십시오. 원하는 속성을 명시적으로 유지하면 노드가 정체성, 포즈 및 조명을 고정하는 데 도움이 됩니다.
KSampler (#67)#
KSampler는 편집을 실현하는 반복적 디노이징 단계를 수행합니다. 가장 영향력 있는 제어는 편집 강도, 단계, 가이드 스케일, 샘플러 및 스케줄러입니다. 낮은 강도는 소스를 더 많이 보존하고, 높은 강도는 더 큰 옷장, 재료 또는 색상 변화를 허용합니다. 프롬프트 준수가 약하게 느껴지면 가이드를 약간 높이거나 다른 샘플러 패밀리를 시도하십시오; 결과가 과도하게 처리된 것처럼 보이면 가이드나 단계를 낮추십시오. 샘플러 동작에 대한 추가 배경 정보는 GitHub에서 k-diffusion 참조 구현을 참조하십시오. 저장소
ModelSamplingAuraFlow (#60)#
이 노드는 디노이징이 시작되기 전에 모델의 샘플링 특성을 조정합니다. 여기에서의 작은 변경은 일관성, 대비 및 모델이 프롬프트를 따르는 방식에 영향을 줍니다. 부드러운 편집을 원한다면 효과를 줄이고, 더 스타일화된 변경을 원한다면 약간 증가시키십시오. 샘플러의 자체 설정을 보완하는 글로벌 톤 제어로 취급하십시오.
LayerUtility: ImageScaleByAspectRatio V2 (#64)#
적절한 크기 조정은 왜곡을 방지하고 주제를 제자리에 유지합니다. 이 노드는 비율을 유지하면서 소스를 크기 조정하고 우호적인 차원을 달성하기 위해 레터박스를 추가할 수 있습니다. 이미지의 비율을 안정적으로 유지하면 정체성 보존이 개선되고 편집이 배경에 깔끔하게 전이됩니다. 입력이 크기나 방향에서 크게 다를 때 이를 사용하십시오.
선택적 추가 기능#
- 프롬프트를 지침으로 작성하십시오: 어떤 것을 변경하고, 어떤 것을 유지하며, 어디에서 변경할지 순서대로 작성하십시오.
- 긍정 프롬프트에 보호할 속성을 명시적으로 나열하여 보존을 강화하십시오.
- 부정 프롬프트를 일관되게 싫어하는 인공물에 사용하십시오, 예를 들어 텍스트, 로고 또는 과도하게 처리된 피부.
- 고정된 시드로 재현성을 잠그고, 좋은 기반을 찾은 후 무작위화하여 변형을 탐색하십시오.
- 미세한 조정을 위해 먼저 편집 강도를 줄인 후 샘플러 또는 단계를 변경하십시오.
- 결과를 비교할 때 슬라이더 뷰어를 사용하여 색상 캐스트, 직물 질감 및 가장자리 충실도를 확인하십시오.
- 워크플로우 외부에서 업스케일하거나 크롭할 경우, 프레이밍과 일관성을 유지하기 위해 Boogu Image Edit ComfyUI 워크플로우를 다시 실행하십시오.
감사의 글#
이 워크플로우는 다음 작품 및 리소스를 구현하고 기반으로 합니다. Boogu-Image-0.1-Edit 모델에 대해 Boogu에, ComfyUI-재패키지된 Boogu-Image 가중치 및 공식 Boogu 튜토리얼에 대해 Comfy-Org와 ComfyUI에, 공유 클라우드 워크플로우 및 워크플로우 참조에 대해 RunComfy 및 RunningHub에 그들의 기여와 유지 보수에 대해 감사드립니다. 권위 있는 세부 사항은 아래에 연결된 원본 문서 및 저장소를 참조하십시오.
리소스#
- RunningHub/Boogu Image Edit ComfyUI Workflow Reference
- 문서 / 릴리스 노트: RunningHub 게시물
- RunComfy/Cloud Save ComfyUI Workflow
- 문서 / 릴리스 노트: RunComfy 워크플로우
- Boogu/Boogu-Image-0.1-Edit
- GitHub: boogu-project/Boogu-Image
- Hugging Face: Boogu/Boogu-Image-0.1-Edit
- 문서 / 릴리스 노트: 모델 카드
- Comfy-Org/Boogu-Image
- Hugging Face: Comfy-Org/Boogu-Image
- 문서 / 릴리스 노트: ComfyUI 모델 파일
- ComfyUI/Boogu-Image-0.1 ComfyUI Workflow Example
- GitHub: boogu-project/Boogu-Image
- Hugging Face: Comfy-Org/Boogu-Image
- 문서 / 릴리스 노트: ComfyUI 튜토리얼
참고: 참조된 모델, 데이터셋 및 코드의 사용은 해당 저자 및 유지 관리자가 제공하는 라이센스 및 조건에 따릅니다.
