图像绕过 | 智能图像检测绕过实用工作流程

ComfyUI图像绕过工作流程

此工作流程为ComfyUI提供了一个模块化的图像绕过管道，结合了非语义标准化、FFT域控制和相机管道模拟。它专为需要通过图像绕过阶段处理图像的创作者和研究人员而设计，同时保持对输入路由、预处理行为和输出一致性的完全控制。

其核心是图生成或摄取图像，然后通过图像绕过套件路由，这可以应用传感器样伪影、频率塑造、纹理匹配和感知优化器。结果是一个干净、可配置的路径，适合批处理工作、自动化和消费者GPU上的快速迭代。图像绕过逻辑由此存储库的开源实用程序提供支持：PurinNyova/Image-Detection-Bypass-Utility。

Comfyui图像绕过工作流程中的关键模型

• z_image_turbo_bf16（UNet检查点）。一种快速的文本到图像扩散骨干，用于T2I分支的快速原型和基线图像生成。可以替换为您首选的检查点。参考：Comfy-Org/z_image_turbo on Hugging Face。
• VAE (ae.safetensors)。处理潜在解码回到像素，以便采样输出可以被可视化并进一步由图像绕过阶段处理。如果您偏好不同的重建配置文件，可以交换任何兼容的VAE。
• 提示编码器（通过CLIPLoader加载）。将您的正负提示编码为采样器的条件向量。图对您加载的特定文本编码器文件保持中立，因此您可以根据需要替换模型以用于您的基础生成器。

如何使用Comfyui图像绕过工作流程

在高层次上，工作流程提供了两种生成进入图像绕过套件的图像的方法：文本到图像分支（T2I）和图像到图像分支（I2I）。两者都汇聚在一个应用图像绕过逻辑并将最终结果写入磁盘的单一处理节点。图还保存了绕过前的基线，以便您可以比较输出。

组：T2I

当您想从提示合成新图像时，使用此路径。您的提示编码器由CLIPLoader (#164)加载，并由CLIP Text Encode (Positive Prompt) (#168)和CLIP Text Encode (Negative Prompt) (#163)读取。UNet由UNETLoader (#165)加载，可选地由ModelSamplingAuraFlow (#166)修补以调整模型的采样行为，然后从EmptySD3LatentImage (#162)开始由KSampler (#167)采样。解码后的图像从VAEDecode (#158)输出，并通过SaveImage (#159)保存为基线，然后进入图像绕过套件。对于此分支，您的主要输入是正/负提示，并且如果需要，在KSampler (#167)中的种子策略。

组：I2I

当您已经有要处理的图像时，选择此路径。通过LoadImage (#157)加载并将IMAGE输出路由到NovaNodes (#146)上的图像绕过套件输入。这完全绕过了文本条件和采样。它非常适合批处理后处理、现有数据集的实验或其他工作流程的输出标准化。您可以根据是否要生成或严格转换自由地在T2I和I2I之间切换。

组：图像绕过套件

这是图的核心。中央处理器NovaNodes (#146)接收传入的图像和两个选项块：CameraOptionsNode (#145)和NSOptionsNode (#144)。节点可以在简化的自动模式或手动模式下操作，手动模式暴露了频率塑造（FFT平滑/匹配）、像素和相位扰动、本地对比度和色调处理、可选的3D LUT和纹理统计调整的控制。两个可选输入允许您插入自动白平衡参考和FFT/纹理参考图像以指导标准化。最终的图像绕过结果由SaveImage (#147)写入，为您提供基线和处理后的输出以进行并排评估。

Comfyui图像绕过工作流程中的关键节点

NovaNodes (#146)

核心图像绕过处理器。它协调频域塑造、空间扰动、本地色调控制、LUT应用和可选的纹理标准化。如果您提供awb_ref_image或fft_ref_image，它将在管道早期使用这些参考来指导颜色和光谱匹配。从自动模式开始以获得合理的基线，然后切换到手动模式以微调效果强度，并根据您的内容和下游任务进行混合。为了保持一致的比较，请设置并重用一个种子；为了探索，随机化以多样化微小变异。

NSOptionsNode (#144)

控制非语义优化器，在保持感知相似性的同时推动像素。它暴露了迭代次数、学习率和感知/正则化权重（LPIPS和L2）以及梯度裁剪。当您需要最小可见伪影的细微分布转变时使用它；保持更改保守以保持自然纹理和边缘。完全禁用它以衡量图像绕过管道在没有优化器的情况下的帮助程度。

CameraOptionsNode (#145)

模拟传感器和镜头特性，如去马赛克和JPEG循环、渐晕、色差、运动模糊、带状和读取噪声。将其视为现实主义层，可以为您的图像添加合理的采集伪影。仅启用与目标捕获条件匹配的组件；堆叠太多可能会过度限制外观。为了可重复的输出，在改变其他参数的同时保持相同的相机选项。

ModelSamplingAuraFlow (#166)

在到达KSampler (#167)之前修补加载模型的采样行为。当您注意到提示意图与样本结构不匹配时调整它，并将其与您的采样器和调度器选择结合处理。

KSampler (#167)

给定模型、正负条件和起始潜在变量执行扩散采样。关键杠杆是种子策略、步骤、采样器类型和整体降噪强度。较低的步骤有助于速度，而较高的步骤可以稳定结构，如果您的基础模型需要这样做。保持此节点的行为稳定，同时迭代图像绕过设置，以便您可以将更改归因于后处理而不是生成器。

可选附加功能

• 自由交换模型。图像绕过套件对模型不敏感；您可以替换z_image_turbo_bf16并仍然通过相同的处理堆栈路由结果。
• 明智地使用参考。提供与目标域共享光照和内容特征的awb_ref_image和fft_ref_image；不匹配的参考可能会降低真实性。
• 公平比较。将SaveImage (#159)作为基线，将SaveImage (#147)作为图像绕过输出，以便您可以A/B测试设置并跟踪改进。
• 小心批处理。仅在VRAM允许的情况下增加EmptySD3LatentImage (#162)批量大小，并在测量小参数变化时优先使用固定种子。
• 了解实用程序。有关图像绕过组件的功能详细信息和持续更新，请参见上游项目：PurinNyova/Image-Detection-Bypass-Utility。

致谢

• ComfyUI，使用此工作流程的图引擎：comfyanonymous/ComfyUI。
• 示例基础检查点：Comfy-Org/z_image_turbo。

致谢

此工作流程实现并建立在以下作品和资源之上。我们对PurinNyova在Image-Detection-Bypass-Utility中的贡献和维护表示感谢。有关权威详细信息，请参阅下面链接的原始文档和存储库。

资源

• PurinNyova/Image-Detection-Bypass-Utility
  • GitHub: PurinNyova/Image-Detection-Bypass-Utility
  • 文档 / 发布说明: Repository (tree/main)

注意：参考模型、数据集和代码的使用受其作者和维护者提供的各自许可和条款的约束。