MOSS-Image Canny Control ComfyUI: 参考轮廓引导的重新设计#
此工作流将参考照片的轮廓转化为由文本提示引导的新静态图像。它将 MOSS-Image-SFT 基础模型与专用的 Canny Control LoRA 配对，以便检测到的边缘引导构图，而提示则决定材料、颜色和照明。结果是快速、可靠的方式重新设计对象，而不会失去可识别的轮廓。
MOSS-Image Canny Control ComfyUI 非常适合产品照片、车辆涂装和装饰探索以及建筑立面，其中轮廓和布局必须保持一致。您提供一张图像和一个清晰的提示；工作流在保持几何结构的同时，赋予您对完成和氛围的创造性控制。
Comfyui MOSS-Image Canny Control ComfyUI 工作流的关键模型#
- OpenMOSS-Team MOSS-Image-SFT。文本条件的图像模型，经过微调以实现强大的编辑和生成；它在保持对结构线索响应的同时，提供对您的提示的核心去噪和理解。模型卡
- MOSS-Image Canny Control LoRA by thedeoxen。轻量级适配器，将基于 canny 的控制注入 MOSS-Image-SFT，以便生成的内容遵循提供的轮廓图。模型卡
如何使用 Comfyui MOSS-Image Canny Control ComfyUI#
从高层次来看，工作流从您的参考中提取边缘，使用 MOSS-Image 的编辑编码器对您的正负提示进行编码，使用基础模型加上 Canny Control LoRA 进行采样，然后解码为最终图像。控制图像设置结构；提示设置外观。
加载参考图像 (LoadImage (#1))#
导入一张主体在您想要保持的构图和长宽比下拍摄的单一曝光良好的照片。工作流将此视为重新设计的几何来源。具有清晰边界和最小运动模糊的清晰来源效果最佳。
提取 Canny 轮廓并预览 (canny control (#2) 和 Control (#13))#
工作流使用 ControlNet 辅助预处理器从您的照片计算 Canny 边缘地图，以便仅最显著的轮廓驱动构图。主体的强边缘将被优先考虑，而细微噪声将被抑制。您可以预览控制图像，以确认轮廓是否符合您的意图，然后再生成。此阶段使用 ControlNet Auxiliary 套件中的 Canny 操作符实现。参见 repo: comfyui_controlnet_aux。
将画布与控制图像匹配 (GetImageSize (#7) 和 EmptyLatentImage (#10))#
画布的宽度和高度取自控制图像，以保持比例完美。这种对齐防止长宽比失真并减少构图漂移。如果您需要不同的长宽比，请在加载前裁剪参考，以便控制和画布保持同步。
编写您的提示 (Text Encode MOSS-Image Edit (positive) (#8) 和 Text Encode MOSS-Image Edit (negative) (#9))#
在正面提示中描述所需的材料、风格、颜色、照明和环境。编辑编码器在您的文本和控制图像上进行条件设置，以便在保持结构的同时发生外观变化。使用负面提示抑制您不想要的伪影，例如不需要的文本、低质量或不合风格的元素。图像编辑条件帮助保持轮廓的忠实度，即使您的提示风格高度化。
加载基础模型并应用 Canny Control LoRA (UNETLoader (#3) 和 canny control LoRA (#4))#
MOSS-Image-SFT 的 UNet 提供生成骨干。然后将 Canny Control LoRA 应用于模型，以便基于边缘的引导影响去噪轨迹。它们一起将轮廓的结构控制与提示的语义意图融合，使得可以进行忠实的重新设计，而无需手动遮罩。
采样和解码 (KSampler (#11) 和 VAEDecode (#12))#
采样在您的正负条件下生成潜在图像。您可以通过固定种子保持结果的可重复性，或通过更改种子探索替代方案。采样后，VAE 将潜在图像解码为 RGB 图像以供预览和导出。如果您发现线条过于僵硬，请通过减少 LoRA 影响或在采样期间增加创造自由来放松控制；如果您发现漂移，请反其道而行之。
审查输出 (Result (#14))#
检查结果预览。如果轮廓正确但细节未达到要求，请改善正面提示；如果结构漂移，请加强结构控制或简化提示。迭代直到材料、氛围和几何达到您的目标。
Comfyui MOSS-Image Canny Control ComfyUI 工作流的关键节点#
canny control (#2)#
生成作为整个运行结构先验的边缘地图。调整低阈值和高阈值可以改变哪些轮廓保留：较高的阈值强调主要轮廓，较低的阈值允许更细的细节。使用预览以确保边缘捕获对象的轮廓而不混乱。实现参考：comfyui_controlnet_aux。
canny control LoRA (#4)#
将 Canny Control LoRA 应用于基础模型，以便采样器遵循边缘地图。当您希望严格遵循轮廓时增加 LoRA 强度，减少它以获得更松散、更具创造性的几何。这种平衡是匹配结构保真度与风格自由的关键。模型卡：thedeoxen/MOSS-Image-canny-controlnet。
Text Encode MOSS-Image Edit (positive) (#8)#
编码您的主要提示，在文本和控制图像上进行条件设置以实现编辑感知生成。专注于具体的描述性元素，如表面材料、完成、品牌中立的形状提示、照明质量和环境。如果模型未充分指定颜色或纹理，添加明确的形容词和相机语言。基础模型参考：OpenMOSS-Team/MOSS-Image-SFT。
Text Encode MOSS-Image Edit (negative) (#9)#
编码您的负面术语，以引导采样器远离不需要的特征。使用简洁的阻断词来抵制低质量、伪影、离题元素和适当的 NSFW 术语。紧密的负面有助于采样器将能力投入到您想要的外观，而不是修复常见错误。
KSampler (#11)#
运行去噪过程，将条件和潜在噪声转化为图像。关键杠杆包括可重复性的种子、纹理和细节特征的采样器算法、细化的步数、在提示强度和现实之间权衡的指导规模，以及变化结果如何严格遵循控制的去噪强度。如果有疑问，请在调整一个杠杆的同时锁定种子，以了解其效果。项目参考：ComfyUI。
可选附加功能#
- 从清晰的中对比度产品照片开始；避免运动模糊和杂乱背景，以便 Canny 提取干净的轮廓。
- 如果结构完美但氛围不对，请保持种子并仅优化提示；如果结构漂移，调整 LoRA 强度或去噪以获得更多控制。
- 在提示中提及构图锚点（例如，“相同的居中轮廓”）以在不与控制图像对抗的情况下加强布局。
- 预裁剪参考到您想要的确切比例；画布会自动匹配控制图像。
- 对于精细的机械细节，允许稍微丰富的边缘；对于广泛的重新设计，倾向于稀疏的边缘以防止过度限制纹理。
此 MOSS-Image Canny Control ComfyUI 工作流为您提供精确的结构控制和灵活的风格，使其成为快速、迭代友好的重新设计产品、车辆和建筑的可靠工具。
致谢#
此工作流实现并建立在以下作品和资源之上。我们感谢 thedeoxen 对 MOSS-Image-canny-controlnet（Canny Control LoRA 和工作流）、OpenMOSS-Team 对 MOSS-Image-SFT（基础模型）以及 Fannovel16 对 comfyui_controlnet_aux（Canny 预处理器节点）的贡献和维护。有关权威详情，请参阅下面链接的原始文档和存储库。
资源#
- 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
注意：引用的模型、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。
