Qwen Image Edit - Fast & Simple Outpainting

zardozaizardozai
29
839
base model
v2.0v1.0

详情

下载文件

模型描述

工作流程概览

这是一个高效且强大的 ComfyUI 工作流程，专为使用 Qwen Image Edit 模型 进行高质量 图像外延（outpainting） 而设计。图像外延允许您将图像扩展至其原始边界之外，无缝生成与原图风格、光照和上下文相匹配的新内容。此工作流程经过优化，实现快速与简洁操作，仅需几步即可获得令人印象深刻的效果。

核心理念：上传一张图像，AI 将智能扩展画布，在完美融合新内容与原图的同时，生成合理且连贯的场景延伸。

关键功能与亮点

  • 🤖 专用模型：使用 Qwen_Image_Edit-Q5_0.gguf 模型，该模型经过专门微调，适用于图像编辑任务，如外延和内补（inpainting）。

  • ⚡ 极速处理：集成 Qwen-Image-Edit-Lightning LoRA，仅需 8 步采样 即可生成高质量的外延结果。

  • 🎯 精准提示：使用专用的 TextEncodeQwenImageEdit 节点，能够理解图像上下文，确保模型准确执行无缝扩展指令。

  • 🖼️ 自动预处理：工作流程会自动为您的图像添加填充以创建外延空间，并缩放至模型的最优尺寸。

  • 🔧 优化流程：已预配置专家级负向提示与最优设置（CFG、采样器），默认即可获得出色效果。

  • 📁 一键操作：只需加载您的图像并运行工作流程，无需调整复杂设置。

工作流程结构

工作流程被清晰划分为逻辑模块，便于理解与自定义：

  1. 步骤1 - 加载模型：加载主 Qwen Image Edit 模型、专用 CLIP 视觉编码器和 VAE。

  2. 步骤2 - 上传待编辑图像：加载您的输入图像并进行外延预处理（填充与缩放）。

  3. 步骤3 - 提示：在此处向 AI 提供外延指令，已预设正向与负向提示以获得最佳效果。

  4. 采样与解码：使用 Euler 采样器运行 KSampler，共 8 步，VAE 将潜在空间数据解码为最终外延图像。

  5. 图像输出：SaveImage 节点保存最终结果。

如何使用此工作流程

  1. 下载与安装：

    • 确保已安装 ComfyUI Manager，以便轻松安装缺失的自定义节点。

    • 所需自定义节点：ComfyUI-GGUF（用于加载 .gguf 模型）。

    • 从本帖下载 .json 文件。

  2. 加载模型：

    • 主模型：将 Qwen_Image_Edit-Q5_0.gguf 放入 ComfyUI/models/gguf/ 文件夹。

    • CLIP 模型：将 qwen2.5-vl-7b-it-q4_0.gguf 放入同一 gguf/ 文件夹。

    • VAE：工作流程指向 qwen_image_vae.safetensors，请确保其位于 models/vae/ 文件夹中。

    • LoRA：将 Qwen-Image-Edit-Lightning-8steps-V1.0-bf16.safetensors 放入 models/loras/ 文件夹。若您的 LoRA 存放在子文件夹（如 qwen_loras/），请在 LoraLoader 节点中调整路径。

  3. 加载您的图像：

    • 在 LoadImage 节点中，将图像名称改为您的文件名（例如：my_landscape.jpg）。

  4. 自定义外延（可选）：

    • 正向提示已为通用外延预设。如需特定指令（例如：“扩展花园并添加喷泉”），可修改 正向提示 节点（TextEncodeQwenImageEdit）中的文本。

  5. 运行工作流程：

    • 在 ComfyUI 中排队提示，最终图像将保存至 ComfyUI/output/ 文件夹。

技术细节与使用节点

节点 用途 关键设置
LoaderGGUF 加载主 Qwen Image Edit 模型 Qwen_Image_Edit-Q5_0.gguf
ClipLoaderGGUF 加载 Qwen 视觉编码器 qwen2.5-vl-7b-it-q4_0.gguf
VAELoader 加载 Qwen VAE 用于编码/解码 qwen_image_vae.safetensors
LoraLoader ModelOnly 应用 Lightning LoRA 以加速采样 强度：1.0
LoadImage 加载输入图像 —
ImagePadForOutpaint 核心节点：为 AI 填充区域添加透明边框 左/右：384，上/下：0，羽化：48
ImageScaleToTotalPixels 将填充后的图像缩放至模型最优尺寸 兆像素：0.9
TextEncodeQwenImageEdit 正向提示：指导模型如何扩展图像 —
TextEncodeQwenImageEdit 负向提示：指导模型避免接缝、伪影 —
VAEEncode 将缩放后的图像编码至潜在空间 —
ModelSamplingAuraFlow 配置模型为 Aura Flow 采样 Shift：3.0
CFGNorm 为 CFG 打补丁 强度：1.0
KSampler 执行外延去噪过程 步数：8，采样器：euler，CFG：1.0，去噪强度：0.95
VAEDecode 将最终潜在数据解码为图像 —
SaveImage 保存已完成的外延图像 —

最佳效果提示

  • 图像选择：建议从具有清晰、可延续背景的图像开始（例如：天空、水面、墙壁、田野）。当 AI 能够延续明显模式时，效果最自然。

  • 提示引导：提供的正向提示适用于通用场景。如需更多创意控制，可尝试指令如：“在右侧延伸森林并添加小径”，或“以相同的哥特式风格延续建筑”。

  • 填充设置：ImagePadForOutpaint 节点默认在左右两侧各添加 384 像素。您可调整这些值（例如：512、256）来控制各方向的扩展幅度。

  • 去噪强度：0.95 的去噪值意味着原图将被大量保留。较低值（如 0.8）会更保守，但创造力可能受限；较高值赋予 AI 更大自由度，但可能改变原图内容。

所需模型（下载链接）

  1. Qwen_Image_Edit-Q5_0.gguf：https://huggingface.co/QuantStack/Qwen-Image-Edit-GGUF

  2. qwen2.5-vl-7b-it-q4_0.gguf：https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/tree/main/split_files/text_encoders

  3. qwen_image_vae.safetensors：https://huggingface.co/QuantStack/Qwen-Image-Edit-GGUF

  4. Qwen-Image-Edit-Lightning-8steps-V1.0-bf16.safetensors：https://huggingface.co/lightx2v/Qwen-Image-Lightning/tree/main

总结

此工作流程充分展现了 Qwen Image Edit 模型在图像外延任务上的强大能力。它消除了技术门槛，为您提供了一键式、简洁高效的解决方案，可在保持完美一致性的同时，创造性地扩展您的图像。无论是摄影师、数字艺术家，还是希望拓展创作边界的任何人，都值得一试。

如果您使用本工作流程，请分享您的成果！我非常期待看到您创作的作品。

此模型生成的图像

未找到图像。