摘要 :
ComfyUI 图片转绘是利用其节点式操作界面，结合各类 AI 模型将已有图片转换为具有不同风格、内容或表现形式的新图片的过程。以下为你详细介绍其工作流程、关键要素及应……
ComfyUI 图片转绘是利用其节点式操作界面，结合各类 AI 模型将已有图片转换为具有不同风格、内容或表现形式的新图片的过程。以下为你详细介绍其工作流程、关键要素及应用场景。
- 模型加载：
- 使用 “Checkpoint Loader” 节点加载基础的图像生成模型，例如 Stable Diffusion 系列模型，不同版本的模型在生成风格和质量上存在差异，可按需选择。
- 若要借助特定控制信息进行转绘，还需通过 “ControlNet Loader” 加载相应的 ControlNet 模型，如 Canny 边缘检测模型、深度模型等。
- 图片导入：运用 “Load Image” 节点从本地导入待转绘的图片。
将导入的图片连接到 “VAE Encode” 节点，把图片转换为潜在空间表示，便于后续模型处理。
- 正向提示词：在 “CLIP Text Encode” 节点输入正向提示词，详细描述期望转绘后的图片特征，涵盖风格（如 “动漫风格”“写实油画风格”）、主题（如 “森林中的精灵”“繁华都市夜景”）、色彩（如 “暖色调”“冷色调”）等方面。例如：“动漫风格，可爱的小精灵在森林中嬉戏，暖色调”。
- 反向提示词：同样在该节点输入反向提示词，排除不想要的元素，像 “模糊的画面”“奇怪的颜色搭配” 等，提升生成图片的质量。
若使用 ControlNet 辅助转绘，需进行以下操作：
- 生成控制信息：将原始图片连接到对应 ControlNet 模型的预处理器节点，生成相应的控制信息。例如，使用 Canny 边缘检测预处理器生成图片的边缘信息。
- 连接与参数设置：把生成的控制信息连接到 “ControlNet” 节点，再将 “ControlNet” 节点连接到 “K Sampler” 节点。在 “ControlNet” 节点设置参数，如 “Control Weight”（控制控制信息对生成结果的影响程度）、“Start Step” 和 “End Step”（控制在采样过程中应用控制信息的阶段）。
在 “K Sampler” 节点设置采样参数，如采样器类型（如 DPM++ 2M Karras）、采样步数（通常 20 – 50 步）、CFG Scale（控制提示词对生成结果的影响程度，一般取值 7 – 12）等。设置完成后，点击 “Queue Prompt” 开始生成图片，通过 “VAE Decode” 节点得到转绘后的图片。
若生成的图片未达预期，可调整提示词、ControlNet 参数或采样参数，再次生成。还能利用 ComfyUI 中的其他节点对图片进行后期处理，如调整色彩、对比度等。
提示词越具体明确，生成的图片越符合期望。可参考优秀的提示词示例，学习表述方式和技巧。
合理选择和配置 ControlNet 模型能显著提升转绘效果，使生成的图片更好地保留原始图片的特定特征，如边缘、深度等。
不同的图片和需求需要不同的参数设置，需不断尝试和调整，以获取最佳效果。
将现实照片转换为动漫、油画、水彩等艺术风格，增添艺术氛围。
在保留原始图片部分元素的基础上，修改其他内容，如改变背景、添加或删除物体等。
结合创意提示词和 ControlNet，生成独特的创意图片，用于广告设计、插画创作等领域。
还没有评论呢，快来抢沙发~