Workflow d'inpainting NSFW ComfyUI pour modifier les vetements

Un workflow d'inpainting NSFW ComfyUI qui produit reellement des modifications de vetements propres ou des modifications NSFW explicites est plus difficile a construire que ce que suggerent les tutoriels en ligne. La plupart des guides YouTube vous montrent le chemin ideal avec une image source parfaite et passent sous silence les parties qui echouent a grande echelle. Nous avons construit et affine ce workflow pendant des mois d'utilisation en production et la version ci dessous gere les modes d'echec que les guides faciles ignorent.

Ce que fait reellement l'inpainting

Soyons honnetes, la plupart des utilisateurs comprennent mal l'inpainting. Ils pensent que c'est une gomme magique. Ce n'en est pas une. L'inpainting est une regeneration. Le modele recoit votre region masquee comme un emplacement vide et genere un nouveau contenu pour cette region en essayant de le fondre avec les pixels non masques environnants. La qualite depend de la proprete de votre masque et du bon reglage de votre force de debruitage.

Pour les modifications de vetements NSFW en particulier, l'inpainting resout un probleme precis. Vous avez une image de base avec la composition que vous voulez mais les vetements ou l'anatomie doivent etre differents. Peut etre que vous avez genere une base SFW et que vous voulez convertir certains elements en NSFW. Peut etre que vous voulez changer une tenue sur un personnage existant. Peut etre que vous voulez corriger des problemes anatomiques sans regenerer toute l'image. L'inpainting gere les trois cas avec le meme workflow.

La raison pour laquelle les gens finissent frustres par l'inpainting est qu'ils le traitent comme un outil a usage unique. Generer, masquer, regenerer, termine. En production, l'inpainting est iteratif. Vous lancerez souvent plusieurs passes d'inpainting avec des forces de debruitage et des prompts differents pour obtenir un resultat propre. Le workflow que nous construisons ici rend ces iterations rapides.

L'autre chose que personne ne mentionne, c'est que la qualite de l'inpainting depend fortement de la qualite de l'image de base. Masquez une region dans une image de mauvaise qualite et la region recree ne la sauvera pas. La regeneration du modele tire son contexte des pixels environnants. Un contexte mediocre produit un inpaint mediocre. Commencez avec une base propre, meme si vous comptez la modifier.

Deux approches, masque manuel ou segmentation automatique

Les deux facons de construire les masques d'inpainting se divisent en masquage manuel et segmentation automatique. Les deux fonctionnent. Les deux ont leurs compromis.

Le masquage manuel dans ComfyUI utilise le node Mask Editor. Vous peignez le masque directement sur l'image source avec un outil pinceau. Controle precis. Lent par image. Excellent pour les modifications ponctuelles ou vous avez besoin exactement de la forme de masque que vous avez en tete. Mauvais pour la production ou vous traitez de nombreuses images.

La segmentation automatique utilise SAM (Segment Anything Model) plus Grounding DINO pour detecter des objets a partir de prompts textuels et generer des masques automatiquement. Vous tapez "shirt" et le workflow detecte la chemise et la masque. Moins precis sur les cas limites. Rapide et reproductible. Excellent pour la production. Moins bon pour le travail de precision ponctuel.

Pour les modifications de vetements NSFW a n'importe quel volume, la segmentation automatique l'emporte. La qualite du masque est generalement a 5 a 10 % de ce que produit le masquage manuel, mais la generation prend 30 secondes contre 3 a 5 minutes. Sur 50 images, cela represente des heures de temps gagne.

L'approche hybride utilise la segmentation automatique comme point de depart et vous laisse affiner le masque manuellement si besoin. Le guide des techniques avancees d'inpainting de ComfyUI couvre le modele hybride plus en detail. Pour la plupart des travaux NSFW en production, la segmentation automatique pure est suffisante.

Configurer SAM et Grounding DINO

Installation des nodes. Dans ComfyUI Manager, cherchez "ComfyUI Impact Pack" et installez le. Installez ensuite "ComfyUI Inspire Pack" pour des nodes d'inpainting supplementaires. Enfin, installez "ComfyUI segment anything" ou "ComfyUI Grounding Dino" selon le paquet que le mainteneur a mis a jour le plus recemment. Le depot Grounded SAM sur GitHub est l'article source que ces nodes ComfyUI enveloppent si vous voulez comprendre la technique sous jacente.

Apres l'installation, redemarrez ComfyUI. Les nouveaux nodes apparaissent sous "Add Node, Impact, Detector" et des chemins similaires dans le menu clic droit.

Telechargement des fichiers de modele. SAM a besoin d'un checkpoint. Le fichier sam_vit_h_4b8939.pth est le modele SAM standard de haute qualite, d'environ 2,5 Go. Grounding DINO a besoin d'un fichier de modele plus petit. Les deux se telechargent dans ComfyUI/models/sams/ et ComfyUI/models/grounding-dino/ respectivement. La premiere fois que vous lancez le workflow, les nodes de chargement de modele les telechargeront automatiquement s'ils manquent.

Configuration des nodes du workflow. La chaine ressemble a ceci. Load Image alimente les nodes SAMModelLoader et GroundingDinoModelLoader. Les deux alimentent le node GroundingDinoSAMSegment qui prend votre prompt textuel decrivant ce qu'il faut segmenter. La sortie est un masque qui alimente votre workflow d'inpainting.

Le prompt textuel du node de segmentation est la partie magique. "shirt" detecte la chemise. "underwear" detecte les sous vetements. "hair" detecte les cheveux. Pour le travail NSFW, vous pouvez etre precis. "bra" detecte les soutiens gorge. "clothing on torso" detecte les vetements du torse. Le modele Grounding DINO est remarquablement flexible pour comprendre ce que vous voulez masquer.

Les reglages de seuil comptent. Le seuil par defaut de Grounding DINO est 0,3, ce qui couvre la plupart des cas. Plus bas (0,2) attrape des correspondances plus agressives, y compris des faux positifs. Plus haut (0,4 a 0,5) est plus conservateur et pourrait manquer des cas limites. Nous utilisons 0,3 par defaut et ajustons selon le workflow.

Flou de masque et debruitage pour des modifications propres

Une fois que vous avez un masque, les parametres d'inpainting determinent la qualite de sortie. Deux reglages comptent le plus, le flou de masque et la force de debruitage.

Le flou de masque adoucit les bords du masque pour que l'inpaint se fonde avec les pixels environnants. Des bords de masque nets produisent des coutures visibles. Trop de flou adoucit la modification au dela de ce que vous voulez. Pour les modifications de vetements NSFW, 8 a 15 pixels de flou de masque sont le point ideal. Plus bas (4 a 6 pixels) pour les modifications serrees ou la precision compte. Plus haut (15 a 20 pixels) pour les modifications plus douces ou le fondu compte plus que la precision.

La force de debruitage controle a quel point le modele regenere par rapport a ce qu'il preserve. A un debruitage de 1,0, le modele genere un contenu entierement nouveau pour la region masquee. A un debruitage de 0,5, le modele ne modifie la region masquee qu'a moitie, en preservant une partie des pixels d'origine. A un debruitage de 0,0, aucune regeneration n'a lieu.

Pour le travail NSFW de changement de vetements, un debruitage de 0,75 a 0,85 est la plage standard. En dessous de 0,7, le modele preserve souvent trop de la couleur ou du motif des vetements d'origine. Au dessus de 0,9, le modele regenere si completement que les proportions du corps se decalent parfois dans la region masquee.

Pour les retouches anatomiques subtiles, un debruitage de 0,5 a 0,65 fonctionne mieux. Vous voulez modifier legerement l'anatomie existante sans la regenerer de zero. Le debruitage plus bas preserve davantage de la composition d'origine tout en produisant la modification.

Nous avons constate que lancer deux passes d'inpaint avec des forces de debruitage differentes l'emporte souvent sur une seule passe a fort debruitage. La passe 1 a un debruitage de 0,85 genere le nouveau contenu. La passe 2 a un debruitage de 0,4 avec un masque legerement plus grand adoucit la transition entre les regions modifiees et non modifiees. Cette approche en deux passes gere la plupart des cas limites.

Pour en savoir plus sur la gestion des masques en particulier, le guide de l'estompage de masque et du fondu des coutures en inpainting couvre les astuces de fondu de coutures qui produisent des modifications invisibles.

Flux Fill ou checkpoint d'inpaint SDXL

Le choix du modele d'inpainting affecte materiellement la qualite de sortie. Deux options principales existent en 2026, Flux Fill et les checkpoints d'inpaint SDXL.

Flux Fill est le modele d'inpainting concu specifiquement par Black Forest Labs, base sur Flux. Il gere a la fois l'inpainting et l'outpainting dans le meme modele. La qualite de generation est excellente. La version quantifiee Q5 n'utilise que 8 Go de VRAM, ce qui est accessible pour la plupart des utilisateurs. Notre guide complet de Flux Fill couvre le modele en detail.

Les checkpoints d'inpaint SDXL sont des finetunes de SDXL optimises pour l'inpainting. Ils gerent bien le NSFW lorsqu'ils sont associes a des bases capables de NSFW comme Lustify ou Juggernaut. La qualite est bonne mais generalement legerement inferieure a celle de Flux Fill sur les modifications complexes.

Pour les modifications de vetements NSFW en particulier, Flux Fill l'emporte pour deux raisons. D'abord, l'adherence au prompt est meilleure. Quand vous decrivez le nouveau vetement que vous voulez, Flux Fill le produit plus precisement que les variantes d'inpaint SDXL. Ensuite, la qualite des coutures est plus propre. Flux Fill produit plus souvent des modifications qui se fondent avec leur environnement sans limites visibles. La fiche du modele Flux Fill sur Hugging Face couvre les specifications techniques et les modeles d'utilisation recommandes.

Le hic, c'est la licence. Flux Fill est livre sous la licence Flux Dev qui restreint l'usage commercial. Pour le travail NSFW commercial, vous voudriez utiliser des checkpoints d'inpaint SDXL bases sur des bases sous licence libre ou utiliser l'inpainting base sur Chroma que nous avons couvert dans notre comparaison Chroma contre Flux Dev.

Recommandation pratique pour la plupart des utilisateurs, utilisez Flux Fill pour les projets personnels ou la licence n'a pas d'importance. Utilisez des checkpoints d'inpaint SDXL bases sur Lustify, Juggernaut ou Pony pour le travail commercial. Les deux produisent une sortie de qualite production avec les bons reglages. Nous avons aussi cable tout ce pipeline dans lewdly.ai (en toute transparence, nous aidons a le construire) afin que les utilisateurs qui veulent des modifications de vetements sans gerer le graphe ComfyUI obtiennent la meme sortie avec une entree plus simple. Le choix entre local et heberge depend de la quantite de personnalisation du workflow dont vous avez reellement besoin.

Face Detailer apres la passe d'inpaint

C'est l'etape que la plupart des tutoriels sautent et c'est la difference entre une sortie professionnelle et une sortie amateur. Apres toute passe d'inpaint qui touche la region du visage ou qui decale les proportions du corps, lancez Face Detailer en passe finale.

Face Detailer dans ComfyUI utilise la detection de visage YOLO pour trouver les visages dans votre image, puis lance une petite passe d'inpaint sur chaque visage detecte avec votre modele de generation. Le visage est regenere a plus haute resolution avec un meilleur detail que le visage de l'image de base. Le resultat est des traits du visage plus propres sans changer la composition globale.

Pour le travail NSFW en particulier, Face Detailer evite le probleme courant du "beau corps, visage etrange" qui survient lors de l'inpainting des regions du corps. L'inpaint du corps peut decaler subtilement les proportions du visage par le comportement du modele en aval. Face Detailer corrige cela automatiquement.

Notre workflow Face Detailer NSFW de ComfyUI couvre le pipeline dedie de Face Detailer. Pour le workflow d'inpainting que nous construisons ici, ajoutez simplement un node face detailer a la fin de la chaine, apres la passe principale d'inpaint.

Reglages pour Face Detailer :

• Modele de detection, bbox/face_yolov8m.pt (standard) ou un modele YOLO NSFW specifique au visage depuis Civitai
• Debruitage 0,4 a 0,55 pour la restauration du visage
• Resolution d'inpaint du visage 1024 meme si l'image de base est plus basse
• Dilatation de masque 5 a 10 pixels pour capturer toute la region du visage

Le visage apres detailer devrait paraitre nettement plus net que la sortie de base sans changer l'identite du personnage. Si l'identite derive, baissez le debruitage. Si l'amelioration n'est pas visible, augmentez le debruitage.

Echecs courants et corrections

Echec courant 1, les limites du masque visibles comme des coutures. La correction est d'augmenter le flou de masque. Essayez 12 a 15 pixels. Si la couture apparait encore, lancez l'inpaint en deux passes que nous avons decrit plus haut. Souvent, une deuxieme passe douce elimine entierement la couture.

Echec courant 2, la region d'inpaint ne correspond pas au prompt. La correction est d'augmenter la force de debruitage vers 0,85 a 0,95 pour que le modele ait plus de liberte de regeneration. Si cela ne fonctionne pas, le prompt ne correspond peut etre pas au vocabulaire du modele. Reformulez le prompt d'inpaint avec un langage descriptif plus simple.

Echec courant 3, les proportions du corps se decalent dans la region masquee. La correction est d'utiliser un debruitage plus conservateur (0,6 a 0,7) et d'etre explicite dans le prompt sur les proportions du corps que vous voulez preserver. "same body shape, natural proportions, [votre modification de vetement specifique]" tend a fonctionner.

Echec courant 4, l'eclairage ne correspond pas entre les regions modifiees et non modifiees. La correction est d'inclure une description de l'eclairage dans le prompt d'inpaint. "soft daylight, matching ambient lighting" oriente le modele vers un eclairage coherent. L'approche en deux passes aide aussi ici.

Echec courant 5, Grounding DINO ne detecte pas ce que vous voulez masquer. La correction est d'essayer differents prompts textuels. "shirt" pourrait manquer des choses que "clothing" attrape. "underwear" pourrait manquer des choses que "lingerie" attrape. Parfois "all clothing" est le bon prompt quand des elements specifiques ne declenchent pas la detection.

Echec courant 6, le masque est trop grand et inclut le corps, pas seulement les vetements. La correction est de baisser le seuil de Grounding DINO ou d'utiliser des prompts textuels plus specifiques. Parfois vous devez affiner le masque manuellement apres la segmentation automatique. Le node Mask Editor de ComfyUI vous laisse cliquer dans le masque et effacer les regions que vous ne voulez pas inclure.

Pour en savoir plus sur l'edition de masque en particulier, le guide de maitrise de l'editeur de masque ComfyUI couvre le workflow d'affinage manuel si la segmentation automatique necessite un nettoyage.

Telecharger le workflow complet

Le workflow complet que nous utilisons existe sous forme de JSON de workflow ComfyUI. La chaine de base est :

1. Load Image (votre image de base)
2. Grounding DINO et SAM (segmentation automatique basee sur un prompt textuel)
3. Mask Blur (8 a 15 pixels)
4. KSampler avec Flux Fill ou un checkpoint d'inpaint SDXL
5. Condition d'inpaint et prompt positif
6. Passe finale Face Detailer
7. Save Image

Le fichier JSON est portable entre les installations de ComfyUI. Deposez le dans n'importe quelle instance ComfyUI et le workflow se charge. Les nodes personnalises requis sont listes en haut du workflow afin que ComfyUI Manager puisse installer les dependances manquantes.

Pour les plateformes qui ne veulent pas executer ce workflow en local, des services heberges gerent le meme pipeline. Lewdly.ai execute ce modele de workflow exact sur le back end. La plateforme existe parce que la plupart des utilisateurs veulent des modifications de vetements ou de l'inpainting NSFW sans gerer 7 nodes personnalises et un telechargement de checkpoint de 12 Go. Si vous ne voulez pas de la complexite de ComfyUI, la voie hebergee fait gagner un temps reel. Le flux d'inpainting de lewdly.ai utilise ces memes composants SAM et Grounding DINO que nous avons couverts plus haut, simplement abstraits dans une interface utilisateur plus simple.

Pour une couverture plus approfondie des approches alternatives d'inpainting, le guide des techniques avancees d'inpainting et d'outpainting couvre des modeles au dela des modifications de vetements, y compris l'outpainting, la correction anatomique et les modifications multi regions.

FAQ

De quelle VRAM ai je besoin pour ce workflow d'inpainting ?

12 Go minimum pour l'inpainting base sur SDXL, 16 Go recommandes pour Flux Fill. Vous pouvez faire tourner Flux Fill Q4 sur 8 Go mais la qualite baisse nettement. Le modele SAM seul a besoin d'environ 2,5 Go. Grounding DINO a besoin d'environ 700 Mo.

Puis je utiliser ce workflow avec Pony Diffusion ?

Oui. Utilisez Pony V6 XL comme checkpoint d'inpaint SDXL. La structure du workflow est identique, il suffit de changer le chargeur de checkpoint pour Pony. Notez que Pony a besoin de score tags dans votre prompt d'inpaint, tout comme en generation de base.

Pourquoi Grounding DINO manque il certains objets ?

Le reglage du seuil. Le defaut est 0,3. Abaissez le a 0,2 a 0,25 pour une detection plus agressive. Le modele Grounding DINO est entraine sur des objets courants, donc des elements inhabituels ou stylises ne sont parfois pas detectes aux seuils par defaut.

Dois je utiliser Flux Fill ou l'inpaint SDXL pour le NSFW ?

Cela depend de la licence. Flux Fill est de meilleure qualite mais restreint par une licence de recherche. L'inpaint SDXL avec des bases capables de NSFW (Lustify, Juggernaut, Pony) est en usage commercial illimite. Pour la plupart des utilisateurs, l'inpaint SDXL est le choix pratique.

Comment corriger la couture entre les regions recreees et originales ?

Augmentez le flou de masque a 12 a 15 pixels. Si la couture apparait encore, lancez une deuxieme passe a faible debruitage (0,3 a 0,4) sur la region de la limite. La passe douce fond les pixels modifies et non modifies sans changer significativement la modification.

Quelle est la difference entre SAM et SAM2 ?

SAM est le Segment Anything Model original de Meta. SAM2 est la version mise a jour avec une meilleure qualite de segmentation et une inference plus rapide. Pour les workflows d'inpainting ComfyUI en 2026, SAM2 est generalement prefere mais SAM fonctionne toujours si SAM2 n'est pas installe. Notre guide complet du meilleur outil de segmentation video SAM2 couvre SAM2 plus en detail.

Puis je traiter de nombreuses images par lots avec ce workflow ?

Oui. ComfyUI prend en charge le traitement par lots via des modifications du workflow. Remplacez Load Image par Load Images from Directory et le workflow traitera chaque image du dossier. Chaque image recoit le meme prompt Grounding DINO et les memes reglages d'inpaint.

Cela fonctionne il avec des images de video ?

En quelque sorte. Le workflow gere bien les images individuelles, mais maintenir la coherence temporelle d'une image a l'autre necessite des nodes supplementaires comme AnimateDiff ou des workflows d'inpainting specifiques a la video. Pour des modifications image par image sans continuite temporelle, ce workflow fonctionne tel quel sur des images extraites.