Qwen Image Edit - Fast & Simple Outpainting
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
워크플로우 개요
이것은 Qwen Image Edit 모델을 사용하여 고품질 이미지 아웃페인팅을 수행하기 위해 설계된 효율적이고 강력한 ComfyUI 워크플로우입니다. 아웃페인팅은 원본 이미지의 경계를 넘어 확장하여, 원본의 스타일, 조명 및 맥락과 일치하는 새로운 콘텐츠를 부드럽게 생성하는 기능입니다. 이 워크플로우는 속도와 간결함을 최적화하여 몇 단계 만으로 뛰어난 결과를 제공합니다.
핵심 개념: 이미지를 업로드하면 AI가 캔버스를 지능적으로 확장하여 장면의 타당하고 일관된 확장을 생성하고, 새 콘텐츠를 원본과 완벽하게 융합합니다.
주요 기능 및 핵심 장점
🤖 전문 모델: 아웃페인팅 및 인페인팅과 같은 이미지 편집 작업에 특화된
Qwen_Image_Edit-Q5_0.gguf모델을 사용합니다.⚡ 초고속:
Qwen-Image-Edit-LightningLoRA를 통합하여 단 8단계 샘플링으로 고품질 아웃페인팅 결과를 제공합니다.🎯 정밀 프롬프트: 이미지 맥락을 이해하는 전용
TextEncodeQwenImageEdit노드를 사용하여 모델이 부드러운 확장을 위한 지시를 정확히 따르도록 합니다.🖼️ 자동 전처리: 워크플로우는 아웃페인팅을 위한 공간을 만들기 위해 이미지를 자동으로 패딩하고 모델에 최적화된 크기로 조정합니다.
🔧 최적화된 파이프라인: 아웃페인팅을 위한 전문가 수준의 네거티브 프롬프트 및 최적 설정(CFG, 샘플러)이 미리 구성되어 있어 기본 설정만으로도 뛰어난 결과를 얻을 수 있습니다.
📁 원클릭 작업: 이미지를 로드하고 워크플로우를 실행하기만 하면 됩니다. 복잡한 설정은 필요하지 않습니다.
워크플로우 구조
워크플로우는 이해 및 사용자 정의가 쉬운 논리적 섹션으로 명확하게 구성되어 있습니다:
Step1 - 모델 로드: 주요 Qwen Image Edit 모델, 전용 CLIP 비전 인코더, VAE를 로드합니다.Step 2 - 편집할 이미지 업로드: 입력 이미지를 로드하고 아웃페인팅을 위해 전처리합니다(패딩 및 스케일링).Step 3 - 프롬프트: AI에게 이미지를 어떻게 확장할지 지시하는 장소이며, 최적의 결과를 위해 미리 작성된 긍정적 및 부정적 프롬프트가 제공됩니다.샘플링 및 디코딩: KSampler가 Euler 샘플러로 8단계를 수행하고, VAE가 잠재 공간을 최종 아웃페인팅 이미지로 디코딩합니다.
이미지 출력:
SaveImage노드가 최종 결과를 저장합니다.
이 워크플로우 사용 방법
다운로드 및 설치:
부족한 커스텀 노드를 쉽게 설치하려면 ComfyUI Manager가 필요합니다.
필수 커스텀 노드:
.gguf모델을 로드하기 위한ComfyUI-GGUF.이 게시물에서
.json파일을 다운로드하세요.
모델 로드:
주요 모델:
Qwen_Image_Edit-Q5_0.gguf를ComfyUI/models/gguf/폴더에 저장하세요.CLIP 모델:
qwen2.5-vl-7b-it-q4_0.gguf를 동일한gguf/폴더에 저장하세요.VAE: 워크플로우는
qwen_image_vae.safetensors를 참조합니다. 이 파일을models/vae/폴더에 넣으세요.LoRA:
Qwen-Image-Edit-Lightning-8steps-V1.0-bf16.safetensors를models/loras/폴더에 저장하세요. LoRA 로더 노드의 경로를 조정하세요 (예:qwen_loras/하위 폴더에 있다면).
이미지 로드:
LoadImage노드에서 이미지 이름을 자신의 파일명으로 변경하세요(예:my_landscape.jpg).
아웃페인팅 사용자 정의 (선택 사항):
- 제공된 긍정적 프롬프트는 일반적인 아웃페인팅에 최적화되어 있습니다. 구체적인 요청(예: "정원을 확장하고 분수를 추가하세요")에 대응하려면 긍정적 프롬프트 노드(
TextEncodeQwenImageEdit)의 텍스트를 수정하세요.
- 제공된 긍정적 프롬프트는 일반적인 아웃페인팅에 최적화되어 있습니다. 구체적인 요청(예: "정원을 확장하고 분수를 추가하세요")에 대응하려면 긍정적 프롬프트 노드(
워크플로우 실행:
- ComfyUI에서 프롬프트를 큐에 넣으세요. 최종 이미지는
ComfyUI/output/폴더에 저장됩니다.
- ComfyUI에서 프롬프트를 큐에 넣으세요. 최종 이미지는
기술적 세부사항 및 사용 노드
| 노드 | 목적 | 주요 설정 |
|---|---|---|
LoaderGGUF |
주요 Qwen Image Edit 모델 로드 | Qwen_Image_Edit-Q5_0.gguf |
ClipLoaderGGUF |
Qwen 비전 인코더 로드 | qwen2.5-vl-7b-it-q4_0.gguf |
VAELoader |
인코딩/디코딩용 Qwen VAE 로드 | qwen_image_vae.safetensors |
LoraLoaderModelOnly |
빠른 샘플링을 위한 Lightning LoRA 적용 | 강도: 1.0 |
LoadImage |
입력 이미지 로드 | - |
ImagePadForOutpaint |
핵심 노드. AI가 채울 수 있도록 이미지 주변에 투명 패딩 추가 | 좌/우: 384, 상/하: 0, 페더링: 48 |
ImageScaleToTotalPixels |
모델에 최적화된 크기로 패딩된 이미지 조정 | 메가픽셀: 0.9 |
TextEncodeQwenImageEdit |
긍정적 프롬프트: 모델에 이미지 확장 방법 지시 | - |
TextEncodeQwenImageEdit |
부정적 프롬프트: 모델에 틈, 아티팩트 피하기 지시 | - |
VAEEncode |
확장된 이미지를 잠재 공간으로 인코딩 | - |
ModelSamplingAuraFlow |
Aura Flow 샘플링을 위한 모델 설정 | Shift: 3.0 |
CFGNorm |
CFG용 모델 패치 | 강도: 1.0 |
KSampler |
아웃페인팅 디노이징 과정 수행 | 단계: 8, 샘플러: euler, CFG: 1.0, 디노이즈: 0.95 |
VAEDecode |
최종 잠재값을 이미지로 디코딩 | - |
SaveImage |
완성된 아웃페인팅 이미지 저장 | - |
최상의 결과를 위한 팁
이미지 선택: 명확하고 연속 가능한 배경(예: 하늘, 물, 벽, 들판)을 가진 이미지로 시작하세요. AI가 지속할 명확한 패턴이 있을수록 결과가 가장 부드럽습니다.
프롬프트 가이던스: 제공된 긍정적 프롬프트는 일반 용도에 탁월합니다. 더 창의적인 제어를 원한다면 다음과 같은 지시를 시도해보세요: "숲을 오른쪽으로 확장하고 길을 추가하세요" 또는 "동일한 고딕 스타일로 건축물을 계속하세요."
패딩 설정:
ImagePadForOutpaint노드는 좌우에 각각384픽셀을 추가하도록 설정되어 있습니다. 이 값을 조정하여(예:512,256) 각 방향으로 확장할 양을 제어할 수 있습니다.디노이즈 강도:
0.95의 디노이즈 값은 원본 이미지를 대부분 보존함을 의미합니다. 낮은 값(예:0.8)은 원본을 더 많이 보존하지만 창의성이 떨어질 수 있고, 높은 값은 AI에게 더 큰 자유를 부여하지만 원본을 변경할 위험이 있습니다.
필요한 모델 (다운로드 링크)
Qwen_Image_Edit-Q5_0.gguf: https://huggingface.co/QuantStack/Qwen-Image-Edit-GGUF
qwen2.5-vl-7b-it-q4_0.gguf: https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/tree/main/split_files/text_encoders
qwen_image_vae.safetensors: https://huggingface.co/QuantStack/Qwen-Image-Edit-GGUF
Qwen-Image-Edit-Lightning-8steps-V1.0-bf16.safetensors: https://huggingface.co/lightx2v/Qwen-Image-Lightning/tree/main
결론
이 워크플로우는 Qwen Image Edit 모델의 아웃페인팅 작업에 대한 뛰어난 능력을 보여줍니다. 기술적 장벽을 제거하고, 이미지를 창의적으로 확장하면서도 완벽한 일관성을 유지하는 간편한 원클릭 솔루션을 제공합니다. 사진작가, 디지털 아티스트, 그리고 창의적 캔버스를 확장하고자 하는 모든 이들에게 꼭 시도해볼 만한 워크플로우입니다.
이 워크플로우를 사용하셨다면, 결과를 공유해주세요! 어떤 작품을 만들었는지 알고 싶습니다.