【ComfyUI】Z-Image 图像扩展
2026/9/18 11:10:31 网站建设 项目流程

今天给大家演示一个基于 ComfyUI 的智能扩图与局部重绘工作流。该工作流围绕“图像比例重构 + Outpaint 扩展 + Inpaint 精修”这一完整处理链路展开,通过自动图像理解、蒙版智能扩展以及差分扩散采样的配合,实现对原始图片在构图延展、画面补全和细节修复上的高质量增强。

整体效果适合用于电商主图延展、横竖版画幅适配以及已有画面的无损扩写,让读者在不破坏原始主体风格的前提下,快速获得更完整、更可控的生成结果。

文章目录

  • 工作流介绍
    • 核心模型
    • Node 节点
  • 工作流程
  • 大模型应用
    • RH_Captioner 图像语义自动描述生成
  • 使用方法
  • 应用场景
  • 开发与应用

工作流介绍

该工作流本质上是一个以参考图像为核心约束的扩图与重绘方案。流程从原始图片加载开始,通过比例重设与画布填充明确扩展区域,再结合自动图像描述生成提示词,对扩展区域进行语义引导。随后利用差分扩散与 Inpaint 模型协同工作,仅对蒙版覆盖区域进行采样重绘,从而保证原图内容稳定、扩展区域自然过渡。从整体设计上看,这是一套兼顾自动化与可控性的复合型 ComfyUI 工作流。

核心模型

工作流在模型选择上采用了“轻量高效 + 语义辅助”的组合策略。UNet 主模型负责图像扩散生成,CLIP 模型不仅用于文本编码,还承担了图像语义理解的任务,为后续扩图提供准确的内容参考,而 VAE 则贯穿编码与解码阶段,确保潜空间与像素空间转换的稳定性。通过这一模型组合,工作流在速度、画面一致性和语义准确度之间取得了较好的平衡。

模型名称说明
z-image-turbo-fp8-e4m3fn作为主扩散模型,负责扩图与重绘阶段的核心生成计算,偏向高效率与稳定输出
qwen_3_4b(qwen_image)用于图像与

需要专业的网站建设服务?

联系我们获取免费的网站建设咨询和方案报价,让我们帮助您实现业务目标

立即咨询