MOSS-Image Canny Control ComfyUI: 從參考輪廓進行提示引導的重新設計#
此工作流程將參考照片的輪廓轉換為由文本提示引導的新靜止圖像。它將 MOSS-Image-SFT 基礎模型與專用的 Canny Control LoRA 配對，以便檢測到的邊緣引導構圖，而提示則決定材料、顏色和照明。結果是一種快速且可靠的方法，可以重新設計物體而不失去可識別的輪廓。
MOSS-Image Canny Control ComfyUI 非常適合產品拍攝、車輛漆面和飾條探索以及建築立面，這些地方需要保持輪廓和佈局一致。您提供一張圖片和一個清晰的提示；工作流程從邊緣圖中保留幾何形狀，同時讓您對完成和氛圍進行創意控制。
Comfyui MOSS-Image Canny Control ComfyUI 工作流程中的關鍵模型#
- OpenMOSS-Team MOSS-Image-SFT。經過精細調整的文本條件圖像模型，用於穩健的編輯和生成；它提供核心去噪和對提示的理解，同時對結構提示保持響應。模型卡
- thedeoxen 的 MOSS-Image Canny Control LoRA。輕量級適配器，將基於 canny 的控制注入 MOSS-Image-SFT，因此生成的內容遵循提供的輪廓圖。模型卡
如何使用 Comfyui MOSS-Image Canny Control ComfyUI#
在高層次上，工作流程從您的參考中提取邊緣，使用 MOSS-Image 的編輯編碼器對正負提示進行編碼，然後使用基礎模型加上 Canny Control LoRA 進行採樣，然後解碼為最終圖像。控制圖像設置結構；提示設置外觀。
加載參考圖像 (LoadImage (#1))#
導入主題在您想要保留的構圖和長寬比下的一張曝光良好的照片。工作流程將其視為重新設計的幾何來源。邊界清晰且運動模糊最小的清晰來源效果最佳。
提取 Canny 輪廓並預覽 (canny control (#2) 和 Control (#13))#
工作流程使用 ControlNet 輔助預處理器從您的照片計算 Canny 邊緣圖，以便只有最顯著的輪廓驅動構圖。主題的強邊緣將被優先考慮，而細微噪音則被抑制。您可以預覽控制圖像，以確認輪廓與您的意圖匹配再生成。此階段使用 ControlNet Auxiliary 套件中的 Canny 運算符實現。參見 repo: comfyui_controlnet_aux。
將畫布匹配到控制圖像 (GetImageSize (#7) 和 EmptyLatentImage (#10))#
畫布的寬度和高度來自控制圖像，以保持比例完美。此對齊防止長寬比扭曲並減少構圖漂移。如果您需要不同的長寬比，請在加載之前裁剪參考，以便控制和畫布保持同步。
編寫您的提示 (Text Encode MOSS-Image Edit (positive) (#8) 和 Text Encode MOSS-Image Edit (negative) (#9))#
在正提示中描述所需的材料、風格、顏色、照明和環境。編輯編碼器根據您的文本和控制圖像進行條件處理，因此在保持結構的同時發生外觀更改。使用負提示來抑制您不想要的工件，例如不需要的文本、低質量或非風格元素。圖像編輯條件有助於保持輪廓的完整性，即使您的提示高度風格化。
加載基礎模型並應用 Canny Control LoRA (UNETLoader (#3) 和 canny control LoRA (#4))#
MOSS-Image-SFT 的 UNet 提供生成骨幹。然後將 Canny Control LoRA 應用於模型，以便基於邊緣的指導影響去噪軌跡。它們共同融合了來自輪廓的結構控制與您的提示的語義意圖，實現了忠實的重新設計而無需手動遮罩。
採樣和解碼 (KSampler (#11) 和 VAEDecode (#12))#
採樣在您的正負條件下生成潛在圖像。您可以通過固定種子保持結果可重複，或通過更改種子探索替代方案。採樣後，VAE 將潛在值解碼為 RGB 圖像以供預覽和導出。如果您看到對線條過於剛性，請通過減少 LoRA 影響或在採樣期間增加創意自由來放鬆控制；如果您看到漂移，請採取相反措施。
審核輸出 (Result (#14))#
檢查結果預覽。如果輪廓正確但細節不符合要求，請完善正提示；如果結構漂移，請加強結構控制或簡化提示。反覆進行，直到材料、氛圍和幾何形狀達到您的目標。
Comfyui MOSS-Image Canny Control ComfyUI 工作流程中的關鍵節點#
canny control (#2)#
生成作為整個運行結構優先級的邊緣圖。調整低閾值和高閾值可以改變哪些輪廓存活：更高的閾值強調主要輪廓，更低的閾值允許更精細的細節。使用預覽確保邊緣在不混亂的情況下捕捉對象的輪廓。實現參考：comfyui_controlnet_aux。
canny control LoRA (#4)#
將 Canny Control LoRA 應用於基礎模型，使採樣器遵循邊緣圖。當您想要嚴格遵循輪廓時增加 LoRA 強度，當您想要更鬆散、更有創意的幾何形狀時減少它。這種平衡是匹配結構忠實性與風格自由的關鍵。模型卡：thedeoxen/MOSS-Image-canny-controlnet。
Text Encode MOSS-Image Edit (positive) (#8)#
編碼您的主要提示，對文本和控制圖像進行編輯感知生成。專注於具體描述，如表面材料、完成、品牌中立的形狀提示、照明質量和環境。如果模型對顏色或紋理的規定不足，請添加明確的形容詞和相機語言。基礎模型參考：OpenMOSS-Team/MOSS-Image-SFT。
Text Encode MOSS-Image Edit (negative) (#9)#
編碼您的負面條款，以引導採樣器遠離不需要的特徵。當適用時，使用簡潔的阻斷詞來阻止低質量、工件、非主題元素和 NSFW 條款。緊湊的消極情緒有助於採樣器將容量投入您想要的外觀，而不是修復常見錯誤。
KSampler (#11)#
運行去噪過程，將條件和潛在噪聲轉換為圖像。關鍵槓桿是可重複性的種子、用於紋理和細節特徵的採樣器算法、精煉的步數、用於在提示強度與現實主義之間進行權衡的指導尺度以及用於變化結果嚴格遵循控制的去噪強度。如有疑問，鎖定種子，同時一次調整一個槓桿以了解其效果。項目參考：ComfyUI。
可選附加功能#
- 從清晰、中等對比度的產品照片開始；避免運動模糊和混亂的背景，以便 Canny 提取清晰的輪廓。
- 如果結構完美但氛圍不合適，請保留種子並僅完善提示；如果結構漂移，調整 LoRA 強度或去噪以獲得更多控制。
- 在提示中提到構圖錨點（例如，“相同的居中輪廓”）以加強佈局，而不會與控制圖像抗衡。
- 預先裁剪參考圖像到您想要的精確長寬比；畫布會自動匹配控制圖像。
- 對於精細的機械細節，允許稍微豐富的邊緣；對於廣泛的重新設計，偏好稀疏的邊緣以防止過度限制紋理。
這個 MOSS-Image Canny Control ComfyUI 工作流程為您提供精確的結構控制和靈活的風格，使其成為產品、車輛和建築物快速、迭代友好的重新設計的可靠工具。
感謝#
此工作流程實施並建立在以下作品和資源之上。我們感謝 thedeoxen 對 MOSS-Image-canny-controlnet（Canny Control LoRA 和工作流程）、OpenMOSS-Team 對 MOSS-Image-SFT（基礎模型）和 Fannovel16 對 comfyui_controlnet_aux（Canny 預處理器節點）的貢獻和維護。詳細信息，請參閱以下鏈接的原始文檔和存儲庫。
資源#
- 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：使用引用的模型、數據集和代碼需遵循其作者和維護者提供的相應許可和條款。
