ComfyUIの基本的な使い方 Image-to-image編

カスタム ノードのインストール：

「ComfyUI WD 1.4 Tagger」と「ComfyUI-Custom-Scripts」そして「Image chooser」はカスタム ノードなので、まずはインストールする必要があります。インストール方法はComfyUI Managerを使います。別記事にて詳しく紹介しているのでそちらを参照してください。

【AIイラスト】ComfyUI お勧めカスタムノードの紹介

🔗あわせて読みたい

「ComfyUI WD 1.4 Tagger」は紹介していませんが、ComfyUI ManagerのCustom Nodes ManagerでComfyUI WD 1.4 Taggerと検索をかけて、Authorがpythongos… (pythongosssss)となっているノードをインストールしてください。

インプット画像の調整：

　画像を開く

「Load Image」と「VAE Encode」の間に「Upscale Image」と「RepeatImageBatch」を追加します。「Upscale Image」でインプットがモデルの許容範囲外でも使えるようにリサイズしています。

「RepeatImageBatch」は後ほど導入する「Preview Chooser」の為のノードで一回の実行で指定した枚数の低画質版を出力します。

インプット画像の解析：

　画像を開く

「WD14 Tagger 🐍」を設置後「Load Image」のIMAGEアウトをインプットに繋ぎます。後の工程で解析したタグに別のタグが連なるのでtrailing_commaをtrueに変更します。

「WD14 Tagger 🐍」のSTRINGアウトを「String Function 🐍」のtext_bに繋ぎたいので「String Function 🐍」を右クリックしてメニューからConvert Widget Input > Convert text_b to inputで外部化します。外部化したら「WD14 Tagger 🐍」のSTRINGアウトを繋ぎます。

「String Function 🐍」のtext_aに(anime style:1.5),text_cにmasterpiece, ultra detailedと入力します。これにより解析結果のプロンプトと繋がり、ポジティブ プロンプトに送ることが出来ます。

ポジティブ プロンプトが書いてある「CLIP Text Encode (Prompt)」の右クリック メニューよりConvert text to inputで外部化して「String Function 🐍」のSTRINGアウトを繋ぎます。

完成したプロンプトを確認したいので「Show Text 🐍」に「String Function 🐍」のSTRINGアウトアウトを繋ぎます。

Clip skip / LoRAの適応：

　画像を開く

「Load Checkpoint」のCLIPアウトに「CLIP Set Last Layer」を繋ぎ、「CLIP Set Last Layer」のCLIPアウトに「Load LoRA」も繋ぎます。「Load LoRA」のCLIPアウトは2つの「CLIP Text Encode (Prompt)」に繋いでください。そして、「Load Checkpoint」のMODELアウトは「Load LoRA」に繋ぎそこから「KSampler」に繋ぎます。

Seedの共有化：

　画像を開く

KSamplerノードの右クリック メニューよりConvert seed to inputでSeed値を外部化します。seedインプットの●をドラッグすると選択できるノード一覧が出てくるので「Primitive」を選択してください。

「Image chooser」の実装：

　画像を開く

「Preview Chooser」ノードを「Save Image」ノードと差し替えします。「Save Image」は最後に使うので削除せずに残しておきましょう。このノードが実行された時に音でお知らせをして欲しいので「PlaySound 🐍」も繋げておきます。

モデルを使ったアップスケール：

　画像を開く

「Preview Chooser」のimagesアウトを「Upscale Image (using Model)」に繋ぎます。「Load Upscale Model」のUPSCALE_MODELアウトを「Upscale Image (using Model)」に繋ぎます。

アップスケールした画像を希望するサイズに変更：

　画像を開く

「Upscale Image (using Model)」のIMAGEアウトを「ImageScaleToTotalPixels」に繋ぎます。

セカンドパスの実装：

　画像を開く

サイズ調整した画像をlatent imageに変換する為に「VAE Encode」で変換します。

1回目のKSamplerを選択状態にしてCtrl + cでコピーします。そして、Ctrl + Shift + vでインプットを引き継いだままコピーできるので、繋がったまま希望する位置へ持っていきます。

位置が決まれば先ほどの「VAE Encode」で変換したLATENTを2回目のKSamplerのlatent_imageインプットに繋ぎます。

Tiled Decodeを使ってメモリー節約：

　画像を開く

2回目のKSamplerのLATENTアウトを「VAE Decode (Tiled)」に繋ぎます。vaeインプットには、少し遠いですが「Load Checkpoint」とつなぎます。

イメージの保存：

最後に、先ほど残しておいた「「Save Image」」に先ほどの「VAE Decode (Tiled)」のIMAGEアウトを繋ぎます。

チェックポイント モデルの選択：

　画像を開く

「Load Checkpoint」のckpt_nameでモデルを指定します。今回はDCAIでは定番のSD1.5モデルdarkSushiMixMix_225Dを使用します。モデルに関してはお好きなモデルを使用しても問題ありませんが、パラメーターをモデルに対して少し調整する必要があります。

Clip skipの設定：

　画像を開く

A1111 WebUIでいうところのClip skip: 2にしたいので「CLIP Set Last Layer」のstop_at_clip_layerを-2に設定します。

LoRAの読み込み：

　画像を開く

「Load LoRA」のlora_nameでLoRAモデルを選択します。今回はディテールを出したかったのでadd_detailを読み込んでいます。ウェイトを少し上げたいのでstrength_modelを1.50に設定します。

インプット画像の設定：

　画像を開く

「Load Image」にインプット画像を読み込ませます。今回は前回の記事と同様にUnsplashからお借りした🔗ロンドンの街角の写真を読み込みます。

画像を開く

「Upscale Image」でSD1.5モデルに対応する大きさに変更します。widthを768heightを512に設定してcropをcenterに変更します。

「RepeatImageBatch」で後ほど使う「Preview Chooser」の低解像度サンプルの枚数を設定できます。今回は2に設定します。

ネガティブ プロンプトの入力：

　画像を開く

ポジティブ プロンプトは自動で解析されるのでネガティブ プロンプトに下記のプロンプトをコピーしてください。ここではネガティブ エンベディングの「EasyNegative」を適応しています。※２番目のelectric cableはこのインプット画像の為のプロンプトなので他の画像を試す場合は削除してください。

(realistic:1.4), electric cable, worst quality, low quality, normal quality, lowres, text, (embedding:EasyNegative:1.2)

EasyNegativeをお持ちでない方は🔗Civitaiのページよりダウンロードして\ComfyUI\models\embeddingsに置きましょう。

1stパスの設定：

　画像を開く

生成をクリエイティブな結果にしたいのでSampling stepsを30に設定します。

モデルのスタイルを生かしたいのでCFG Scaleを3.0に変更します。

インプット画像の構図を維持したいのでDenoising strengthを0.50に設定します。

アップスケーラー モデルの選択：

　画像を開く

Load Upscale Modelでアップスケーラー モデルを読み込みます。今回の例では4x-UltraSharp.pthを使っていますがお好きなモデルを使っても問題ありません。

再スケールの設定：

　画像を開く

「ImageScaleToTotalPixels」のupscale_methodをlanczosに変更します。

2ndパスの設定：

　画像を開く

ファースト パスのstepsが30なので追加で 5ステップしたいのでSampling stepsを35に設定します。

プロンプトをあまり強調させない為にCFGを3.0に設定します。

サンプラーは好みで選んでも問題ありませんが、今回は1st Passと同じeuler_ancestralとbetaの組み合わせにしています。

インプット画像の構図を維持したいのでDenoising strengthを0.35に設定します。

タイルサイズの設定：

　画像を開く

「VAE Decode (Tiled)」のtile_sizeはデフォルトの512で問題ありませんが動作が重たい時は320に下げてください。

生成：

「Queue Promt」ボタンで生成を開始してしばらくすると「Preview Chooser」に低画質の2枚の画像が出てくるので良いのが在れば選択して「Progress selected image」ボタンでアップスケール プロセスへ送ることが出来ます。また、低画質の生成結果が気に入らないときは「Queue Promt」ボタンでもう一度低画質の生成が出来るので良い結果が出るまで何度も繰り返しましょう。

カスタム ノードのインストール：

「Image chooser」を先のimg2imgで使用していたのでそのまま使います。インストールしていない方は、「🔗1-1.公式のImg2Img Examplesを改良してみる」で紹介しているのでそちらを参照してください。

Inpaintモデルのインストール：

このワークフローではチェックポイントモデルの「sd-v1-5-inpainting」と「sd-v1-5-pruned-emaonly」が必要になります。公式モデルはRunwayのHugging Faceページで公開されていたのですが、現在削除されダウンロードできない状態です。代替え案として「sd-v1-5-inpainting」はcamenduru氏がHugging Faceで公開していますのでそちらを紹介しておきます。「sd-v1-5-pruned-emaonly」についてはemmajoanne氏が公開しているページを載せておきます。

webui/stable-diffusion-inpainting · Hugging Face

https://huggingface.co/webui/stable-diffusion-inpainting/blob/main/sd-v1-5-inpainting.safetensors

🔗外部リンク

emmajoanne/models · Hugging Face

https://huggingface.co/emmajoanne/models/blob/main/sd-v1-5-pruned-emaonly.safetensors

🔗外部リンク

また、今回の例では説明はしませんがSDXLを使う場合は下記のモデルを使用します。

wangqyqq/sd_xl_base_1.0_inpainting_0.1.safetensors · Hugging Face

https://huggingface.co/wangqyqq/sd_xl_base_1.0_inpainting_0.1.safetensors/tree/main

🔗外部リンク

stabilityai/stable-diffusion-xl-base-1.0 · Hugging Face

https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/blob/main/sd_xl_base_1.0.safetensors

🔗外部リンク

Inpaintingモデルの実装：

　画像を開く

まずは「Load Checkpoint」を2つ呼び出してモデルをそれぞれ「sd-v1-5-inpainting」と「sd-v1-5-pruned-emaonly」に変更します。

「ModelMergeSubtract」を呼び出し、model1には「sd-v1-5-inpainting」、model2には「sd-v1-5-pruned-emaonly」を繋ぎます。

「ModelMergeAdd」を呼び出して、model1に先ほどのモデルを繋ぎ、model2に今回使いたいモデルを接続します。

この構成によりsd-v1-5-inpaintingよりsd-v1-5-pruned-emaonly部分を削除して新たに今回使いたいモデルを加えてinpaintingモデルを作っています。

Clip skip / LoRAの適応：

　画像を開く

メインの「Load Checkpoint」のCLIPアウトに「CLIP Set Last Layer」を繋ぎ、「CLIP Set Last Layer」のCLIPアウトに「Load LoRA」も繋ぎます。

「Load LoRA」のCLIPアウトは2つの「CLIP Text Encode (Prompt)」に繋いでください。

そして、先ほど作成した「ModelMergeAdd」のMODELアウトを「Load LoRA」のmodelインプットに繋ぎそこから「KSampler」に繋ぎます。

インプット画像の調整：

　画像を開く

「VAEEncodeForInpaint」ノードを削除して「Upscale Image」と「RepeatImageBatch」を追加します。

マスクの調整：

　画像を開く

マスクのサイズもインプット画像同様に縮小する必要がある為「Convert Mask to Image」で画像に変換します。

「Upscale Image」で縮小してから境界線をぼかす為に「ImageBlur」を使いってぼかします。

そして「Convert Image to Mask」でマスクに戻します。

インペイント用にデータを整える：

　画像を開く

公式では「VAEEncodeForInpaint」を使っていましたが、今回は「InpaintModelConditioning」を使ってデータを作っていきます。

「InpaintModelConditioning」のインプットにプロンプトの2つ、縮小したインプット画像とマスクを繋ぎます。

外部VAEの適応：

　画像を開く

今回はVAEを別モデルにしたいので「Load VAE」を呼び出して「InpaintModelConditioning」に繋ぎます。

Seedの共有化：

　画像を開く

KSamplerノードの右クリック メニューよりConvert seed to inputでSeed値を外部化します。seedインプットの●をドラッグすると選択できるノード一覧が出てくるので「Primitive」を選択してください。

「Image chooser」の実装：

　画像を開く

「Preview Chooser」ノードを「Save Image」ノードと差し替えします。「Save Image」は最後に使うので削除せずに残しておきましょう。このノードが実行された時に音でお知らせをして欲しいので「PlaySound 🐍」も繋げておきます。

モデルを使ったアップスケール：

　画像を開く

「Preview Chooser」のimagesアウトを「Upscale Image (using Model)」に繋ぎます。「Load Upscale Model」のUPSCALE_MODELアウトを「Upscale Image (using Model)」に繋ぎます。

アップスケールした画像を2ndパス用サイズに変更：

　画像を開く

「Upscale Image (using Model)」のIMAGEアウトを「ImageScaleToTotalPixels」に繋ぎます。

2ndパス用マスクの作成：

　画像を開く

1stパス用のマスクは縮小されているので画像に変換してアップスケールをします。

1stパス用のマスクを「Convert Mask to Image」で画像に変換します。

続いて「ImageScaleToTotalPixels」で2ndパスの画像を同じサイズにします。

そして「Convert Image to Mask」でマスクに戻します。

インペイント以外の背景をオリジナルと合成：

　画像を開く

一度縮小してアップスケールをした元画像がぼやけているのでオリジナルと差し替えます。

「ImageCompositeMasked」を配置したらdestinationに「Load Image」を繋ぎます。sourceには2ndパスの画像を繋ぎ、maskには先ほど作成したアップスケール用マスクを繋ぎます。

2ndパスの実装：

　画像を開く

1stパスと同様に「InpaintModelConditioning」を使ってデータの準備をします。

positiveインプットには下記のプロンプトが入力された「CLIP Text Encode (Prompt)」を新たに作ります。clipにはLoad LoraのCLIPアウトを繋ぎます。

very detailed, masterpiece, intricate details, UHD, 8K

negativeインプットには1回目と同じCONDITIONINGアウトを繋ぎます。

vaeには「Load VAE」を繋ぎます。

pixelsには先ほど合成したImageCompositeMaskedのアウトを繋ぎます。

そしてmaskには先ほど拡大したマスクを繋いでください。

「KSampler」を配置して今作成したInpaintModelConditioningを繋いでいきます。modelと外部化させたseedには1回目と同じ接続をします。

画像鮮明化の為のアップ スケール + ダウン スケール：

　画像を開く

最終結果を鮮明にしたいので「Upscale Image (using Model)」で拡大して「ImageScaleToTotalPixels」で任意の大きさに縮小します。これにより最終結果を鮮明に出すことが出来ます。

イメージの保存：

最後に残しておいた「「Save Image」」に先ほどの「ImageScaleToTotalPixels」のIMAGEアウトを繋ぎます。

インプット画像の読み込みとマスクの作成：

画像を開く

このワークフローではインプット画像の大きさが限定されています。正しい大きさのインプット画像はGoogle Driveに置いていますので、そちらをお使いください。

Inpaintingインプット画像 · Google Drive

https://drive.google.com/file/d/1D8NLLnqmwfj57lIEEXa9xYmlIgrZChOi/view?usp=sharing

🔗外部リンク

上記の画像を「Load Image」にドラッグ アンド ドロップするか「choose file to input」ボタンで読み込みます。

読み込みが完了したらノードの右クリック　メニューから「Open in MaksEditor」でマスク エディターを開きインペイントしたい部分を塗りつぶしてください。今回は道を歩く人々と露店を描きたいので任意の範囲をマスクしてください。

画像を開く

チェックポイント モデルの選択：

　画像を開く

「Load Checkpoint」のckpt_nameでモデルを指定します。今回もdarkSushiMixMix_225Dを使用します。モデルに関してはお好きなモデルを使用しても問題ありませんが、パラメーターをモデルに対して少し調整する必要があります。

Clip skip / LoRAの設定：

　画像を開く

今回もClip skip: 2にしたいので「CLIP Set Last Layer」のstop_at_clip_layerを-2に設定します。

LoRAに関しては今回は使わないのでバイパスしておきます。LoRAを使いたい場合はバイパスを解除してお使いください。

インプット画像を調整：

　画像を開く

インプット画像をSD1.5モデルに適した大きさに縮小します。画像・マスクそれぞれに繋いだ「Upscale Image」のwidthを768heightを512に設定します。

マスクの境界線をぼかしたいので「ImageBlur」のblur_radiusを10にします。

VAEの選択：

　画像を開く

VAEは定番のvae-ft-mse-840000-ema-pruned.safetensorsを選択します。

プロンプトの入力：

　画像を開く

プロンプトは道を歩く人々と露店をインペイントしたいので下記の様に記述してください。

masterpiece, peoples, adventurer, ultra detailed, medival, fantasy, market

worst quality, low quality, normal quality, lowres, text, ugly, ugly face, deformed, deformed face, bad anatomy

1stパスの設定：

　画像を開く

少しだけ書き込み量を増やしたかったのでstespは25に設定します。

cfg/sampler_name/schedulerはデフォルトのままでもよかったのですがschedulerをbetaに変更します。

denoiseはインプット画像に馴染ましたかったので0.90にします。

アップスケールの設定：

　画像を開く

アップスケールモデルを4x-UltraSharpにします。

マスクのアップスケール メソッドをスムーズにしたいのでlanczosに変更します。

2ndパスの設定：

　画像を開く

stepsは1stパスが25だったのでプラス10をして35にします。

sampler_nameは少し重たいですがdpmpp_sdeを使い、schedulerはkarrasに設定します。

画像鮮明化の設定：

　画像を開く

最後の画像鮮明化の設定はモデルに4x-UltraSharpを使います。

「ImageScaleToTotalPixels」のmagapixelsを1.50にして少し大きくしています。

生成：

今回も生成方法はimg2imgの時と同じで「Queue Promt」ボタンで生成を開始してしばらくすると「Preview Chooser」に低画質の2枚の画像が出てくるので良いのが在れば選択して「Progress selected image」ボタンでアップスケール プロセスへ送ることが出来ます。また、低画質の生成結果が気に入らないときは「Queue Promt」ボタンでもう一度低画質の生成が出来るので良い結果が出るまで何度も繰り返しましょう。