Редактирование изображений с помощью инструкций в рабочем процессе Boogu Image Edit ComfyUI#
Рабочий процесс Boogu Image Edit ComfyUI превращает одно исходное изображение и четкие положительные и отрицательные подсказки в реалистичные, управляемые инструкциями редактирования, которые сохраняют объект и кадрирование камеры. Он предназначен для создателей, которым нужны контролируемые изменения в гардеробе, материале, цвете или сцене без перестройки всего изображения. Рабочий процесс использует путь Flux VAE для сохранения деталей и структуры, и он был проверен на редакционном портрете, превращенном в модное редактирование, что делает его идеальным для впечатляющих результатов до и после.
Разработанный для RunComfy, рабочий процесс Boogu Image Edit ComfyUI загружает модель Boogu-Image-0.1-Edit с настройкой текстового кодирования Qwen3-VL, а затем выбирает редактирования, которые уважают оригинальную композицию. Вы получаете сравнения бок о бок и просмотрщик слайдеров из коробки, поэтому легко просмотреть различия и быстро итерационно изменять.
Основные модели в рабочем процессе Comfyui Boogu Image Edit ComfyUI#
- Boogu-Image-0.1-Edit. Основная модель редактирования с помощью инструкций, которая переписывает внешний вид, сохраняя идентичность объекта и макет. Она сопоставляет инструкции подсказок с локальными изменениями, а не регенерирует всю сцену. Model card
- Qwen3-VL text encoder. Мультимодальный текстовый кодировщик, используемый здесь для усиления понимания подсказок для намерения и ограничений редактирования. В этом рабочем процессе он предоставляется как часть пакета весов Boogu ComfyUI. Weights collection
- Flux VAE. Автокодировщик, используемый в семействе Flux, который сжимает и восстанавливает изображения с высокой точностью, помогая рабочему процессу сохранять композицию и текстуру при редактировании. Reference repository
Как использовать рабочий процесс Comfyui Boogu Image Edit ComfyUI#
Этот конвейер следует прямому пути от ввода до сравнения: загрузите и измените размер исходного изображения, закодируйте инструкции, выберите редактирования, декодируйте, затем сравните или сохраните. Рабочий процесс Boogu Image Edit ComfyUI сохраняет ваше оригинальное кадрирование, сопоставляя латентный холст с размерами ввода.
Ввод и изменение размера#
Начните с загрузки вашего эталонного фото. Узел LoadImage (#62) вводит изображение в граф, а LayerUtility: ImageScaleByAspectRatio V2 (#64) масштабирует его, сохраняя соотношение сторон. Этот этап подготавливает чистое разрешение, удобное для модели, с возможностью добавления полей для избежания искажений. GetImageSize (#65) считывает ширину и высоту масштабированного изображения, чтобы последующие шаги могли точно сопоставить латентный холст. Поскольку рабочий процесс Boogu Image Edit ComfyUI редактирует на месте, сохранение пропорций ввода является ключом к стабильным, реалистичным результатам.
Модель и кодировщики#
Модель и кодировщики инициализируются до начала выборки. UNETLoader (#70) загружает сеть Boogu-Image-0.1-Edit, CLIPLoader (#69) предоставляет основу для текстового кодирования Qwen3-VL, а VAELoader (#71) устанавливает путь Flux VAE. Эта комбинация выравнивает ваши текстовые инструкции с визуальным содержанием, сохраняя пространственную структуру. Здесь не требуется никаких пользовательских вводов, кроме обеспечения доступности правильных файлов модели в вашей среде.
Кодирование инструкций#
Ваши подсказки превращаются в руководящие принципы редактирования в узле TextEncodeBooguEdit (#63). Предоставьте четкую положительную подсказку, описывающую желаемое изменение, и, при необходимости, отрицательную подсказку, перечисляющую, чего следует избегать. Узел также поглощает исходное изображение, которое закрепляет идентичность, позу, освещение и кадрирование, чтобы редактирование уважало оригинальное фото. Результатом является пара потоков кондиционирования, которые толкают генерацию в направлении вашего намерения, сопротивляясь нежелательным отклонениям.
Латентный холст и воспроизводимость#
Чтобы сохранить композицию, EmptyLatentImage (#66) создает латентный холст, размер которого соответствует масштабированному вводу, используя размеры из GetImageSize (#65). Воспроизводимое зерно поступает из Seed (rgthree) (#61), что позволяет вам повторно запускать точное редактирование или намеренно рандомизировать вариации. Сохранение латентного выравненного с вводом помогает рабочему процессу Boogu Image Edit ComfyUI поддерживать геометрию объекта и непрерывность фона. Это также делает небольшие, целенаправленные корректировки более предсказуемыми в разных итерациях.
Выборка#
Выборка - это процесс, в котором формируются редактирования. ModelSamplingAuraFlow (#60) настраивает поведение выборки модели, а KSampler (#67) применяет ваши положительные и отрицательные кондиционирования к латентному холсту. Основная идея выборщика - итеративное уточнение, управляемое вашими инструкциями и особенностями исходного изображения. Если вы хотите тонкие, локализованные изменения, акцентируйте внимание на сохранении в вашей подсказке и держите силу редактирования умеренной; для более смелых изменений материала или палитры увеличьте силу редактирования и уточните новые атрибуты. Рабочий процесс Boogu Image Edit ComfyUI настроен для контролируемых редактирований, поэтому ясность подсказки обычно важнее, чем агрессивная выборка.
Декодирование, сравнение и сохранение#
После завершения выборки VAEDecode (#57) восстанавливает отредактированное изображение с использованием Flux VAE. Для оценки ImageConcanate (#58) размещает оригинальные и отредактированные изображения бок о бок, а Image Comparer (rgthree) (#73) предоставляет визуальное различие в стиле слайдера. Вы можете сохранить единственный отредактированный результат с помощью SaveImage (#72) и сравнение бок о бок с другим SaveImage (#68). Эти выходные данные упрощают проверку, соответствовал ли рабочий процесс Boogu Image Edit ComfyUI вашему запросу, и итерацию на подсказки при необходимости.
Основные узлы в рабочем процессе Comfyui Boogu Image Edit ComfyUI#
TextEncodeBooguEdit (#63)#
Этот узел преобразует ваши положительные и отрицательные подсказки вместе с эталонным изображением в кондиционирование, которое направляет редактирование. Используйте краткий, описательный язык для желаемого изменения и явно указывайте элементы, которые нужно защитить, когда это необходимо. Если модель переусердствует, усилите термины сохранения в подсказке или добавьте их в отрицательную подсказку. Явное указание желаемых атрибутов помогает узлу закрепить идентичность, позу и освещение.
KSampler (#67)#
KSampler выполняет итеративные шаги удаления шума, которые реализуют редактирование. Наиболее значимые элементы управления - это сила редактирования, шаги, масштаб руководства, выборщик и планировщик. Меньшая сила сохраняет больше исходного, в то время как большая сила позволяет более крупные изменения гардероба, материала или цвета. Если соблюдение подсказки кажется слабым, слегка увеличьте руководство или попробуйте другую семью выборщиков; если результаты выглядят перегруженными, уменьшите руководство или шаги. Для дополнительного фона по поведению выборщика смотрите эталонную реализацию k-diffusion на GitHub. Repository
ModelSamplingAuraFlow (#60)#
Этот узел регулирует характеристики выборки модели перед началом удаления шума. Небольшие изменения здесь влияют на согласованность, контраст и то, насколько настойчиво модель следует подсказке. Если вы хотите более мягкие редактирования, уменьшите эффект; для более стилизованных изменений слегка увеличьте его. Рассматривайте это как глобальный регулятор тона, который дополняет собственные настройки выборщика.
LayerUtility: ImageScaleByAspectRatio V2 (#64)#
Правильное изменение размера предотвращает искажения и удерживает объект на месте. Этот узел масштабирует источник, сохраняя соотношение сторон и может добавлять поля, чтобы достичь удобных размеров. Сохранение стабильности пропорций изображения улучшает сохранение идентичности и делает редактирования легко переносимыми на фоны. Используйте это, когда ваши входные данные сильно различаются по размеру или ориентации.
Дополнительные возможности#
- Пишите подсказки как инструкции: что изменить, что сохранить и где, в таком порядке.
- Явно перечисляйте защищенные атрибуты в положительной подсказке, чтобы усилить сохранение.
- Используйте отрицательную подсказку для артефактов, которые вам постоянно не нравятся, таких как текст, логотипы или чрезмерно обработанная кожа.
- Закрепите воспроизводимость с помощью фиксированного зерна, а затем исследуйте вариации, рандомизируя его после нахождения хорошей основы.
- Для тонких настроек сначала уменьшите силу редактирования, прежде чем менять выборщики или шаги.
- При сравнении результатов полагайтесь на просмотрщик слайдеров, чтобы обнаружить цветовые оттенки, текстуру ткани и четкость краев.
- Если вы увеличиваете или обрезаете за пределами рабочего процесса, повторно запустите рабочий процесс Boogu Image Edit ComfyUI, чтобы сохранить кадрирование и согласованность.
Признания#
Этот рабочий процесс реализует и основывается на следующих работах и ресурсах. Мы благодарны Boogu за модель Boogu-Image-0.1-Edit, Comfy-Org и ComfyUI за перепакованные веса Boogu-Image и официальный учебник Boogu, а также RunComfy и RunningHub за общий облачный рабочий процесс и справочные материалы по рабочему процессу за их вклад и поддержку. Для авторитетных деталей, пожалуйста, обратитесь к оригинальной документации и репозиториям, связанным ниже.
Ресурсы#
- RunningHub/Boogu Image Edit ComfyUI Workflow Reference
- Документы / Примечания к выпуску: RunningHub post
- RunComfy/Cloud Save ComfyUI Workflow
- Документы / Примечания к выпуску: RunComfy workflow
- Boogu/Boogu-Image-0.1-Edit
- GitHub: boogu-project/Boogu-Image
- Hugging Face: Boogu/Boogu-Image-0.1-Edit
- Документы / Примечания к выпуску: Model card
- Comfy-Org/Boogu-Image
- Hugging Face: Comfy-Org/Boogu-Image
- Документы / Примечания к выпуску: Model files for ComfyUI
- ComfyUI/Boogu-Image-0.1 ComfyUI Workflow Example
- GitHub: boogu-project/Boogu-Image
- Hugging Face: Comfy-Org/Boogu-Image
- Документы / Примечания к выпуску: ComfyUI tutorial
Примечание: Использование упомянутых моделей, наборов данных и кода подчиняется соответствующим лицензиям и условиям, предоставленным их авторами и поддерживающими организациями.
