ComfyUI Face-Detailer-Workflow für NSFW-Gesichter

Gesichter in NSFW-Generierungen brechen auf charakteristische Weise. Der Körper kommt perfekt heraus, die Komposition sitzt, dann zoomen Sie auf das Gesicht und es sieht aus wie ein Picasso-Gemälde. Das passiert, weil Modelle der SDXL-Familie die Latent-Space-Auflösung ungleichmäßig über die gesamte Leinwand verteilen. Wenn der Körper den größten Teil des Bildes ausfüllt, erhält das Gesicht während des Samplings nur eine winzige Anzahl von Pixeln an Aufmerksamkeit. Der Face Detailer behebt das, indem er den Gesichtsbereich ausschneidet, hochskaliert, genau diesen Bereich in hoher Auflösung neu generiert und ihn wieder einfügt. Das Ergebnis ist fotorealistisches NSFW, bei dem das Gesicht tatsächlich wie eine Person aussieht. Ich habe diesen Workflow in den vergangenen 18 Monaten bei jedem Produktionsbild verwendet. Hier ist der genaue Aufbau.

Schnelle Antwort: Installieren Sie ComfyUI-Impact-Pack über den ComfyUI Manager. Laden Sie face_yolov8m.pt als Erkennungsmodell herunter. Bauen Sie eine Kette aus KSampler → VAEDecode → FaceDetailer mit Denoise um 0,4 bis 0,5 für NSFW-Arbeit. Führen Sie einen zweiten Durchlauf bei niedrigerem Denoise (0,3) für Porträts aus. Fügen Sie eine Face-LoRA innerhalb des FaceDetailer-Nodes für Charakterkonsistenz hinzu.

Warum NSFW-Gesichter Zuerst Brechen

Sehen Sie, der Grund dafür ist nicht geheimnisvoll, wenn Sie verstehen, wie das Modell über Komposition denkt. Modelle der SDXL-Familie arbeiten auf einem 128x128-Latent-Gitter (das zu einer 1024x1024-Pixel-Ausgabe dekodiert). Jedes Detail in Ihrem Bild muss in dieses Gitter passen. Wenn Ihr Prompt nach einer NSFW-Ganzkörperszene verlangt, füllt der Körper den größten Teil des Bildes aus, und das Gesicht belegt vielleicht einen 12x12-Bereich des Latent-Gitters. Das sind 144 Latent-Pixel an Aufmerksamkeitsbudget für das gesamte Gesicht. Verglichen mit über 1.000 Latent-Pixeln für den Körper. Das Gesicht wird auf struktureller Ebene unterabgetastet.

Sie sehen die Symptome wie folgt. Augen, die nicht zueinander passen. Zähne, die wie aus einem Horrorfilm aussehen. Hauttextur, die nicht zur Hauttextur des Körpers passt. Lippen, die subtil falsch sind. Haare, denen das Detail fehlt, das sie haben sollten. Nichts davon ist ein Versagen des Modells. Es ist ein Problem der Auflösungsverteilung, und der Face Detailer löst es, indem er dem Gesicht seinen eigenen dedizierten Generierungsdurchlauf bei einer höheren effektiven Auflösung gibt.

Dasselbe Problem existiert bei Nicht-NSFW-Arbeit, weshalb ADetailer (das A1111-Äquivalent) zur Pflichtausrüstung für jede fotorealistische Generierung wurde. Speziell für NSFW ist das Problem schlimmer, weil:

• Körperfokussierte Kompositionen das Gesicht weiter von der Bildmitte wegschieben
• Mehr Körperabdeckung im Bild weniger Gesichtsabdeckung bedeutet
• Die meisten NSFW-Checkpoints weniger Aufmerksamkeitstraining auf Gesichtsmerkmalen haben als Porträt-Checkpoints
• Szenen mit mehreren Subjekten das Problem verstärken, weil jedes Gesicht noch weniger Aufmerksamkeit erhält

Der Face Detailer ist für NSFW-Produktionsarbeit im Jahr 2026 nicht optional. Wer Ausgaben ohne ihn ausliefert, liefert schlechtere Gesichter als nötig aus.

Installation von Impact Pack und YOLO-Modellen

Der Aufbau ist unkompliziert, hat aber ein paar Stolpersteine, die man kennen sollte. Der Ablauf ist:

1. Öffnen Sie den ComfyUI Manager
2. Suchen Sie nach "ComfyUI-Impact-Pack" und installieren Sie es
3. Suchen Sie nach "ComfyUI-Impact-Subpack" und installieren Sie es (Sie brauchen beide)
4. Starten Sie ComfyUI neu
5. Laden Sie die Erkennungs- und Segmentierungsmodelle herunter

Das Impact-Subpack ist der Teil, den die meisten Tutorials überspringen. Es enthält den UltralyticsDetectorProvider, der YOLO-Modelle lädt, während Impact-Pack selbst den FaceDetailer-Node enthält. Beide Pakete sind erforderlich und beide müssen installiert und aktuell sein. Wenn Sie nur Impact-Pack installieren, erhalten Sie kryptische Fehler über fehlende Nodes.

Für das Erkennungsmodell sollten Sie face_yolov8m.pt verwenden. Das "m" steht für medium und es bietet das beste Gleichgewicht aus Erkennungsgenauigkeit und Geschwindigkeit für gesichtsfokussierte Arbeit. Die kleinere Variante (face_yolov8s.pt) ist schneller, übersieht aber mehr Gesichter in schwierigen Kompositionen. Die größeren Varianten (l, x) sind geringfügig genauer, aber erheblich langsamer.

Für die Segmentierung verwenden Sie sam_vit_b_01ec64.pth. SAM (Segment Anything Model) erstellt eine präzise Maske innerhalb der YOLO-Begrenzungsbox, was es dem Detailer ermöglicht, die Neugenerierung sanft in die umgebenden Pixel überzublenden. Die "b"-Variante ist das richtige Gleichgewicht aus Genauigkeit und Geschwindigkeit für Gesichtsarbeit. Die größeren SAM-Varianten (l, h) sind für das Gesichts-Detailing überdimensioniert.

Download-Pfade:

• face_yolov8m.pt: ablegen in ComfyUI/models/ultralytics/bbox/
• sam_vit_b_01ec64.pth: ablegen in ComfyUI/models/sams/

Wenn Sie den ComfyUI Manager nicht verwenden können (manche eingeschränkten Umgebungen blockieren ihn), können Sie manuell installieren, indem Sie die Repos in ComfyUI/custom_nodes/ klonen und die Installationsskripte ausführen. Stellen Sie sicher, dass die Verzeichnisse Schreibrechte haben, sonst schlägt die Installation stillschweigend fehl.

Ein 2026-spezifischer Stolperstein. PyTorch 2.6 hat weights_only=True als Standard für torch.load() eingeführt, was das Laden von YOLO-Modellen bricht, weil Ultralytics-Modelle Python-Objekte enthalten, die der sichere Loader ablehnt. Das Impact-Subpack hat einen Workaround, der explizit weights_only=False für vertrauenswürdige YOLO-Modellpfade setzt, aber wenn Sie beim Start einen UnpicklingError sehen, ist Ihre Impact-Subpack-Version zu alt. Aktualisieren Sie über den ComfyUI Manager und der Fehler sollte verschwinden.

Aufbau der Face-Detailer-Node-Kette

Der grundlegende Face-Detailer-Workflow ist eine einfache lineare Kette. Beginnen Sie mit Ihrer normalen Text-zu-Bild-Pipeline (CLIP-Encode, KSampler, VAEDecode) und hängen Sie den FaceDetailer-Node nach dem VAEDecode an. Verbinden Sie die Eingänge:

• image: vom Ausgang Ihres VAEDecode
• model: von Ihrem CheckpointLoader (dasselbe Modell wie bei der Hauptgenerierung)
• clip: von Ihrem CheckpointLoader
• vae: von Ihrem CheckpointLoader
• positive: Ihr positiver Prompt (normalerweise derselbe wie der Haupt-Prompt)
• negative: Ihr negativer Prompt (normalerweise derselbe wie der Haupt-Prompt)
• bbox_detector: vom UltralyticsDetectorProvider, der face_yolov8m.pt lädt
• sam_model_opt: vom SAMLoader, der sam_vit_b_01ec64.pth lädt (optional, aber empfohlen)

Der FaceDetailer-Node hat viele Parameter, aber nur eine Handvoll ist im täglichen Gebrauch tatsächlich wichtig:

• bbox_threshold: 0,5 (Standard). Senken Sie ihn auf 0,3, wenn er Gesichter in schwach beleuchteten Szenen übersieht.
• bbox_dilation: 10 (Standard). Vergrößert den Ausschnittsbereich um das erkannte Gesicht. Höhere Werte geben mehr Kontext für die Neugenerierung, kosten aber Zeit.
• bbox_crop_factor: 3 (Standard). Der Gesichtsausschnitt wird vor der Neugenerierung um diesen Faktor hochskaliert. 3 bedeutet, dass ein 100px-Gesicht zu 300px wird, neu generiert und dann wieder verkleinert wird.
• denoise: 0,5 (Standard). Das ist der wichtige Wert. Wird weiter unten ausführlich besprochen.
• feather: 5 (Standard). Kantenglättung für die Maske. Glättet die Naht zwischen dem neu generierten Gesicht und dem Originalbild.
• sam_dilation_factor: 10 (Standard). Erweitert die SAM-Segmentierungsmaske. Höhere Werte schließen mehr umgebende Pixel ein.

Speziell für NSFW-Arbeit die Einstellungen, auf die ich mich nach viel Iteration festgelegt habe:

• bbox_threshold: 0,4 (erfasst Gesichter in schwierigeren Kompositionen)
• bbox_dilation: 12 (etwas mehr Kontext hilft NSFW-Gesichtern)
• bbox_crop_factor: 3 (Standard ist richtig)
• denoise: 0,42 (niedriger als Standard; siehe nächster Abschnitt)
• feather: 8 (etwas mehr Glättung für saubereres Einfügen)
• sam_dilation_factor: 10 (Standard ist richtig)

Das sind Ausgangspunkte. Stimmen Sie sie auf Ihr spezifisches Modell und Ihren Prompt-Stil ab.

Denoise und CFG für NSFW-Gesichter

Denoise ist der Parameter, den die meisten Leute beim Face Detailer falsch einstellen. Der Standard von 0,5 ist für den allgemeinen Gebrauch gedacht. Für NSFW-Arbeit, bei der das neu generierte Gesicht zum Hautton und zur Beleuchtung des Körpers passen soll, erzeugt niedrigeres Denoise eine sauberere Ausgabe.

Der Denoise-Kompromiss:

• 0,6 bis 0,7: Große Gesichtsveränderungen. Verwenden Sie es, um sehr kaputte Gesichter zu reparieren, riskiert aber Charakterdrift.
• 0,5: Standard. Balanciert Reparaturqualität und Konsistenz.
• 0,4 bis 0,45: Subtile Korrekturen. Bewahrt die Charakteridentität. Am besten für Produktions-NSFW.
• 0,3: Nur geringfügige Verfeinerung. Verwenden Sie es als zweiten Durchlauf nach einem ersten Durchlauf von 0,4 bis 0,5.
• 0,2 und darunter: Fast keine Veränderung. Überspringen Sie den Detailer auf dieser Stufe.

Für die meiste NSFW-Arbeit ist das richtige Muster ein einzelner Durchlauf bei 0,42. Das bereinigt die strukturellen Gesichtsprobleme (nicht zueinander passende Augen, seltsame Zähne, kaputte Proportionen), ohne die Charakteridentität zu verändern, die Ihr Prompt und Ihre LoRAs etabliert haben. Wenn der erste Durchlauf nicht ausreicht, führen Sie einen zweiten Durchlauf bei 0,3 aus, um weiter zu verfeinern.

Der CFG innerhalb des FaceDetailer sollte Ihrem Haupt-Generierungs-CFG entsprechen oder ihn leicht übersteigen. Für RealVisXL-Workflows verwende ich CFG 7 für die Hauptgenerierung und CFG 7 bis 8 für den Face Detailer. Für Pony Realism verwende ich CFG 5 für die Hauptgenerierung und CFG 5 bis 6 für den Face Detailer. Höheres CFG im Face Detailer kann Prompt-Token (wie "schöne Augen") überbetonen, was zu anime-ähnlichen übertriebenen Merkmalen auf fotorealistischer Ausgabe führt. Vermeiden Sie es, den Wert zu hoch zu treiben. Die Modellwahl zwischen diesen beiden beeinflusst die Detailer-Einstellungen merklich, und ich behandle beide im Vergleich Pony Realism vs RealVisXL.

Die Wahl des Samplers innerhalb des FaceDetailer ist weniger wichtig als bei der Hauptgenerierung. DPM++ 2M Karras bei 20 Schritten funktioniert für die meiste Gesichtsdetaillierung. Schritte unter 20 zu senken, beginnt sich in der Qualität der Gesichtsdetails zu zeigen.

LoRA Innerhalb des Face Detailer Hinzufügen

Hier ist der Trick, für dessen Erlernen ich peinlich lange gebraucht habe. Der FaceDetailer-Node hat seinen eigenen Modell-Eingang, was bedeutet, dass Sie ihm einen anderen Modellgraphen übergeben können als den, den Ihre Hauptgenerierung verwendet. Die nützlichste Anwendung davon ist das Laden einer gesichtsspezifischen LoRA innerhalb des Detailer, die Ihre Hauptgenerierung nicht beeinflusst.

Das Muster:

1. Hauptgenerierung: CheckpointLoader → KSampler → VAEDecode
2. Face Detailer: CheckpointLoader → LoraLoader (Face-LoRA) → mit FaceDetailer.model verbinden

Die Face-LoRA wird nur während des Gesichts-Neugenerierungsdurchlaufs angewendet. Das ist nützlich, wenn:

• Sie eine Charakter-LoRA haben, die bei der Gesichtskonsistenz hilft, aber Körper bei voller Stärke durcheinanderbringt
• Sie fotorealistische Hautdetail-LoRAs nur auf Gesichter anwenden wollen, nicht auf Hintergründe
• Sie charakterkonsistentes NSFW erstellen, bei dem das Gesicht über viele Bilder hinweg einer Referenz entsprechen muss

Speziell für Charakterkonsistenz ist dies ein zuverlässigerer Ansatz, als eine Charakter-LoRA über die gesamte Generierung laufen zu lassen. Die Charakter-LoRA erhält das volle Sampling-Budget auf dem Gesichtsbereich, wo es darauf ankommt, während der Körper ohne die Körperformverzerrungen der LoRA generiert wird.

Das LoRA-Gewicht innerhalb des FaceDetailer sollte typischerweise auf voller Stärke liegen (0,8 bis 1,0), weil das Gesicht über begrenzte Auflösung verfügt und Sie wollen, dass das Signal der LoRA klar durchkommt. Wenn Sie mehrere LoRAs stapeln (eine Face-LoRA und eine Detail-LoRA), behandelt mein Leitfaden zum LoRA-Stapeln die Muster der Gewichtsbalance.

Mehrstufiges Vorgehen für Gruppenszenen

Workflows mit einem einzelnen Gesicht sind einfach. Workflows mit mehreren Gesichtern brauchen etwas mehr Aufbau, weil der Detektor alle Gesichter findet und sie als Batch verarbeitet, aber die Parameter werden einheitlich angewendet. Wenn Sie ein gut beleuchtetes Gesicht und ein im Schatten liegendes Gesicht haben, könnte dasselbe Denoise für das eine richtig und für das andere falsch sein.

Die Lösung ist mehrstufiges Detailing mit unterschiedlichen Einstellungen pro Durchlauf:

Durchlauf 1: Aggressives Detailing für Problemfälle (Denoise 0,5, alle Gesichter) Durchlauf 2: Konservative Verfeinerung für die sauberste Version (Denoise 0,3, alle Gesichter)

Das Zwei-Durchlauf-Muster erzeugt bessere Ergebnisse als jede einzelne Einstellung mit einem Durchlauf, weil Durchlauf 1 die großen strukturellen Probleme behebt und Durchlauf 2 poliert, ohne Veränderungen einzuführen. Die Gesamtzeit pro Bild steigt um etwa 30 Prozent (jeder Durchlauf fügt etwa 3 bis 5 Sekunden auf einer RTX 4090 hinzu), aber der Qualitätsgewinn ist für Produktionsarbeit erheblich.

Speziell für NSFW-Szenen mit mehreren Charakteren können Sie den Face Detailer auch auf einer Maske pro Charakter ausführen. Verwenden Sie SAM, um jeden Charakter separat zu segmentieren, und führen Sie dann den Face Detailer auf jedem maskierten Bereich mit charakterspezifischen LoRAs aus. Das ist komplexer, ermöglicht es Ihnen aber, mehrere unterschiedliche Charakteridentitäten im selben Bild zu erhalten. Der Aufbau erfordert mehr Nodes, aber der Workflow bleibt linear.

Face Detailer Plus Upscale-Pipeline

Die vollständige Produktions-Pipeline, die ich verwende, sieht so aus:

1. Erstgenerierung bei 1024x1024 (oder Ihrer Basisauflösung)
2. Face-Detailer-Durchlauf 1 bei Denoise 0,42
3. (Optional) Hand-Detailer-Durchlauf für Handkorrekturen
4. Hochskalieren auf 2048x2048 mit einem Modell-Upscaler (Ultrasharp 4x ist mein Standard)
5. Face-Detailer-Durchlauf 2 bei Denoise 0,3 auf dem hochskalierten Bild
6. (Optional) Detailverbesserungsdurchlauf für die Körpertextur

Schritte 5 und 6 sind die Stellen, an denen die Magie für hochwertige Produktionsarbeit passiert. Nach dem Hochskalieren hat das Gesicht mehr Pixel zur Verfügung, und ein Face-Detailer-Durchlauf mit niedrigem Denoise kann Mikrodetails hinzufügen (Poren, Augenreflexe, Haarsträhnen), die bei der niedrigeren Auflösung nicht möglich waren. Das ist der Unterschied zwischen "gutem KI-Bild" und "KI-Bild in Fotoqualität".

Gesamtgenerierungszeit auf einer RTX 4090 für diese vollständige Pipeline:

• Erstgenerierung: 5 bis 7 Sekunden
• Face-Detailer-Durchlauf 1: 3 bis 4 Sekunden
• Hand-Detailer: 4 bis 5 Sekunden
• Hochskalieren: 8 bis 12 Sekunden
• Face-Detailer-Durchlauf 2: 4 bis 6 Sekunden (mehr Pixel)
• Gesamt: 24 bis 34 Sekunden pro Bild

Das ist viel für ein einzelnes Bild, aber jeder Schritt fügt Qualität hinzu und das Ergebnis ist wirklich besser, als wenn man einen davon überspringt. Für die Batch-Produktion werden daraus 100 bis 150 Bilder pro Stunde. Für einmalige Hero-Shots lohnt es sich, bei jedem die Zeit zu investieren.

Workflow-Download

Das vollständige Workflow-JSON für diese Pipeline lässt sich aus den oben beschriebenen Nodes problemlos zusammenstellen, aber ein paar Aufbautipps, die Zeit sparen:

• Verwenden Sie den Reroute-Node, um Ihren Hauptmodellgraphen und Ihren Face-Detailer-Graphen visuell getrennt zu halten
• Speichern Sie den Workflow als Vorlage, sobald er funktioniert (Rechtsklick → Save as template)
• Setzen Sie die Standardwerte für die FaceDetailer-Parameter einmal und klonen Sie den Node, wenn Sie mehrere Durchläufe brauchen
• Halten Sie den bbox_threshold niedrig genug, dass Sie grenzwertige Erkennungen erfassen, aber nicht so niedrig, dass Sie falsch-positive Erkennungen auf Körpermerkmalen erhalten

Für Leute, die das nicht von Grund auf zusammenstellen wollen, hat das GitHub-Repository von ComfyUI Impact Pack Beispiel-Workflows im Workflows-Ordner. Das basic_pipe-Beispiel deckt den Standardaufbau ab. Community-Workflow-Seiten wie RunComfy hosten aufwendigere Aufbauten, einschließlich mehrstufiger und charakterkonsistenter Varianten.

Wenn es nach Arbeit klingt, diesen Workflow selbst zu pflegen, ist das verständlich. Lewdly.ai führt die äquivalente Pipeline automatisch aus. Das Gesichts-Detailing geschieht bei jeder Generierung, ohne dass der Ersteller über Node-Graphen nachdenken muss. Für die meisten NSFW-Ersteller, deren Geschäft Inhalte und nicht Infrastruktur sind, ist diese Abstraktion die richtige Ebene. Volle Offenlegung, ich helfe dabei, es zu bauen.

Häufig Gestellte Fragen

Welches Denoise sollte ich im Face Detailer für NSFW verwenden? Für die meiste fotorealistische NSFW-Arbeit ist 0,42 der ideale Wert. Der Standard von 0,5 verändert Gesichter zu stark und kann von Ihrem beabsichtigten Charakter abdriften. Niedriger als 0,4 ist zu konservativ, um strukturelle Probleme zu beheben. Verwenden Sie 0,42 als Standard und stimmen Sie von dort aus ab.

Warum schlägt FaceDetailer mit einem UnpicklingError fehl? PyTorch 2.6+ verwendet standardmäßig weights_only=True für torch.load(), was die Python-Objekte in YOLO-Modellen ablehnt. Aktualisieren Sie Impact-Subpack auf die neueste Version. Die aktuelle Version enthält einen gepatchten Loader, der das korrekt handhabt.

Kann ich den Face Detailer ohne SAM ausführen? Ja. Der sam_model_opt-Eingang ist optional. Ohne SAM erhalten Sie eine rechteckige bbox-Maske anstelle einer präzisen Segmentierung. Die Qualität ist etwas geringer, weil die Neugenerierung mehr umgebende Pixel als nötig beeinflusst, aber das Ergebnis ist für die meisten Fälle dennoch brauchbar.

Brauche ich eine Face-LoRA für Charakterkonsistenz? Nicht zwingend. Wenn Ihr Prompt und Seed konsistent sind, werden Gesichter über Generierungen hinweg ungefähr konsistent sein. Eine Face-LoRA verstärkt das deutlich. Das Muster mit LoRA innerhalb des FaceDetailer, das ich beschrieben habe, liefert die besten Ergebnisse, weil die LoRA nur den Gesichtsbereich beeinflusst.

Was ist der Unterschied zwischen Face Detailer und ADetailer? ADetailer ist das A1111/Forge-Äquivalent derselben Idee. Der FaceDetailer von ComfyUI (aus Impact Pack) hat mehr Konfigurationsoptionen, funktioniert aber nach demselben Prinzip. Beide erkennen ein Gesicht, schneiden aus, skalieren hoch, generieren neu und fügen es wieder ein. Die Qualität ist ungefähr gleichwertig. ComfyUI gibt Ihnen mehr Workflow-Kontrolle.

Sollte ich den Face Detailer vor oder nach dem Hochskalieren ausführen? Beides. Durchlauf 1 vor dem Hochskalieren (behebt strukturelle Probleme zu geringen Kosten). Durchlauf 2 nach dem Hochskalieren bei niedrigerem Denoise (fügt Detail zum höher aufgelösten Gesicht hinzu). Dieses Zwei-Durchlauf-um-das-Hochskalieren-Muster ist der Produktionsstandard für hochwertige Ausgabe.

Funktioniert der Face Detailer mit Flux-Modellen? Ja. Der FaceDetailer-Node ist modellunabhängig. Er funktioniert mit Flux, SDXL, Pony und jedem anderen Diffusionsmodell, das ComfyUI unterstützt. Die Leistung ist bei Flux langsamer, weil der zugrunde liegende Generierungsschritt langsamer ist.

Wie verhindere ich, dass der Face Detailer die Identität des Charakters verändert? Niedrigeres Denoise (0,35 bis 0,42), halten Sie das CFG moderat (5 bis 7) und vermeiden Sie Prompt-Token, die Charaktermerkmale im positiven Prompt des Detailer verändern. Wenn Sie eine Charakter-LoRA verwenden, wenden Sie sie innerhalb des FaceDetailer bei voller Stärke an, um die Identität zu verankern.

Warum sieht meine Face-Detailer-Ausgabe überglättet aus? Zu hohes Denoise plus ein Modell mit einer Glatthaut-Verzerrung erzeugt überglättete Gesichter. Senken Sie das Denoise auf 0,4. Fügen Sie "skin texture, pores, natural skin" zum positiven Prompt hinzu. Reduzieren Sie alle Beauty-LoRA-Gewichte innerhalb des Detailer.

Kann ich Hände mit demselben Node detaillieren? Das Impact Pack wird mit einem hand_yolov8s.pt-Erkennungsmodell ausgeliefert, und derselbe FaceDetailer-Node kann Hände ansteuern, indem man den bbox_detector-Eingang austauscht. In manchen Impact-Pack-Versionen gibt es auch einen dedizierten HandDetailer. Beide funktionieren ähnlich. Das Hand-Detailing benötigt typischerweise höheres Denoise (0,5 bis 0,6) als das Gesichts-Detailing, weil die strukturellen Probleme schwerwiegender sind.

Das Richtige Mentale Modell

Der Face Detailer ist kein Qualitätsverbesserer, er ist ein Auflösungsverteiler. Der Grund, warum er funktioniert, ist, dass KI-Modelle ein festes Aufmerksamkeitsbudget pro Pixel haben und Gesichtsbereiche in körperfokussierten Kompositionen ausgehungert werden. Indem Sie ausschneiden und neu generieren, geben Sie dem Gesicht sein eigenes volles Aufmerksamkeitsbudget bei höherer effektiver Auflösung. Sobald Sie das verinnerlicht haben, werden die richtigen Einstellungen offensichtlich. Niedrigeres Denoise bewahrt das, was das Modell bereits richtig gemacht hat. Höheres Denoise behebt strukturelle Probleme, riskiert aber Charakterdrift. Mehrstufiges Vorgehen ist einfach, das Budget zweimal mit unterschiedlichen Prioritäten zu nutzen.

Dieser Workflow ist seit 18 Monaten mein Standard für Produktions-NSFW-Arbeit und er ist wirklich der einzelne größte Qualitätsgewinn, den ich je zu einer Pipeline hinzugefügt habe. Wenn Sie den Face Detailer nicht auf jedem fotorealistischen NSFW-Bild ausführen, das Sie generieren, lassen Sie viel Qualität liegen. Der Aufbau dauert beim ersten Mal 30 Minuten. Der Qualitätsunterschied ist dauerhaft.

Zu den Referenzressourcen gehören das Impact Pack GitHub, das ComfyUI-Wiki-Tutorial zum Face Detailer und der von ThinkDiffusion veröffentlichte Face-Detailer-Workflow, der eine saubere visuelle Referenz für den Node-Graphen bietet.