תהליך עבודה של ComfyUI ל-Inpainting בתוכן NSFW לעריכת בגדים

תהליך עבודה של comfyui nsfw inpainting שמפיק בפועל עריכות בגדים נקיות או שינויי NSFW מפורשים קשה יותר לבנייה ממה שהמדריכים באינטרנט מרמזים. רוב המדריכים ביוטיוב מראים לכם את המסלול הוורוד עם תמונת מקור מושלמת ומדלגים על החלקים שנכשלים בקנה מידה. בנינו וליטשנו את תהליך העבודה הזה לאורך חודשים של שימוש בייצור, והגרסה שלמטה מטפלת במצבי הכשל שהמדריכים הקלים מתעלמים מהם.

מה Inpainting באמת עושה

בכנות, רוב המשתמשים לא מבינים נכון מהו inpainting. הם חושבים שזה מחק קסם. זה לא. Inpainting הוא רגנרציה. המודל מקבל את האזור הממוסך שלכם כמציין מקום ומייצר תוכן חדש לאותו אזור תוך כדי ניסיון למזג אותו עם הפיקסלים שמסביב שאינם ממוסכים. האיכות תלויה בכמה נקייה המסכה שלכם וכמה מכוונת היטב עוצמת ה-denoise שלכם.

לעריכות בגדים בתוכן NSFW במיוחד, inpainting פותר בעיה ספציפית. יש לכם תמונת בסיס עם הקומפוזיציה שאתם רוצים, אבל הבגדים או האנטומיה צריכים להיות שונים. אולי יצרתם בסיס SFW ואתם רוצים להמיר אלמנטים ספציפיים ל-NSFW. אולי אתם רוצים להחליף תלבושת על דמות קיימת. אולי אתם רוצים לתקן בעיות אנטומיה בלי לייצר מחדש את כל התמונה. Inpainting מטפל בכל שלושת המקרים עם אותו תהליך עבודה.

הסיבה שאנשים מגיעים לתסכול עם inpainting היא שהם מתייחסים אליו ככלי חד-פעמי. ליצור, למסך, לייצר מחדש, סיימנו. בייצור, inpainting הוא איטרטיבי. לעיתים קרובות תריצו מספר מעברי inpainting עם עוצמות denoise ופרומפטים שונים כדי להגיע לתוצאה נקייה. תהליך העבודה שאנחנו בונים כאן הופך את האיטרציות האלה למהירות.

הדבר השני שאף אחד לא מזכיר הוא שאיכות ה-inpainting תלויה במידה רבה באיכות תמונת הבסיס. מסכו אזור בתמונה באיכות נמוכה וה-inpainting לא יציל אותה. הרגנרציה של המודל שואבת הקשר מהפיקסלים שמסביב. הקשר זבל מפיק inpaint זבל. התחילו עם בסיס נקי, גם אם אתם הולכים לשנות אותו.

שתי גישות, מסכה ידנית מול סגמנטציה אוטומטית

שתי הדרכים לבניית מסכות inpainting מתחלקות למיסוך ידני ולסגמנטציה אוטומטית. שתיהן עובדות. לשתיהן יש פשרות.

מיסוך ידני ב-ComfyUI משתמש בצומת Mask Editor. אתם מציירים את המסכה ישירות על תמונת המקור עם כלי מברשת. שליטה מדויקת. איטי לכל תמונה. מצוין לעריכות חד-פעמיות שבהן אתם צריכים בדיוק את צורת המסכה שיש לכם בראש. גרוע לייצור שבו אתם מעבדים תמונות רבות.

סגמנטציה אוטומטית משתמשת ב-SAM (Segment Anything Model) בתוספת Grounding DINO כדי לזהות אובייקטים מפרומפטים של טקסט ולייצר מסכות אוטומטית. אתם מקלידים "shirt" ותהליך העבודה מזהה את החולצה וממסך אותה. פחות מדויק במקרי קצה. מהיר וניתן לשחזור. מצוין לייצור. גרוע יותר לעבודת דיוק חד-פעמית.

לעריכות בגדים בתוכן NSFW בכל נפח, סגמנטציה אוטומטית מנצחת. איכות המסכה היא בדרך כלל בטווח של 5-10% ממה שמיסוך ידני מפיק, אבל הייצור הוא 30 שניות לעומת 3-5 דקות. על פני 50 תמונות אלה שעות של זמן נחסך.

הגישה ההיברידית משתמשת בסגמנטציה אוטומטית כנקודת התחלה ומאפשרת לכם לחדד את המסכה ידנית במידת הצורך. המדריך לטכניקות inpainting מתקדמות של ComfyUI מכסה את התבנית ההיברידית בפירוט רב יותר. לרוב עבודת NSFW בייצור, סגמנטציה אוטומטית טהורה מספיק טובה.

הגדרת SAM ו-Grounding DINO

התקנת הצמתים. ב-ComfyUI Manager, חפשו "ComfyUI Impact Pack" והתקינו אותו. לאחר מכן התקינו "ComfyUI Inspire Pack" עבור צמתי inpainting נוספים. לבסוף התקינו "ComfyUI segment anything" או "ComfyUI Grounding Dino" בהתאם לחבילה שאותה המתחזק עדכן לאחרונה. מאגר Grounded SAM ב-GitHub הוא המאמר המקורי שאותו צמתי ה-ComfyUI הללו עוטפים אם תרצו להבין את הטכניקה הבסיסית.

לאחר ההתקנה, הפעילו מחדש את ComfyUI. הצמתים החדשים מופיעים תחת "Add Node, Impact, Detector" ונתיבים דומים בתפריט הקליק הימני.

הורידו את קבצי המודל. SAM זקוק ל-checkpoint. הקובץ sam_vit_h_4b8939.pth הוא מודל ה-SAM הסטנדרטי באיכות גבוהה בגודל של כ-2.5GB. Grounding DINO זקוק לקובץ מודל קטן יותר. שניהם מורידים ל-ComfyUI/models/sams/ ו-ComfyUI/models/grounding-dino/ בהתאמה. בפעם הראשונה שתריצו את תהליך העבודה, צמתי טוען המודל יורידו אותם אוטומטית אם הם חסרים.

הגדרת צמתי תהליך העבודה. השרשרת נראית כך. Load Image מזין את הצמתים SAMModelLoader ו-GroundingDinoModelLoader. שניהם מזינים את הצומת GroundingDinoSAMSegment שמקבל את פרומפט הטקסט שלכם למה לסגמנט. הפלט הוא מסכה שמזינה את תהליך עבודת ה-inpainting שלכם.

פרומפט הטקסט לצומת הסגמנט הוא הקסם. "shirt" מזהה את החולצה. "underwear" מזהה את התחתונים. "hair" מזהה את השיער. לעבודת NSFW, אתם יכולים להיות ספציפיים. "bra" מזהה חזיות. "clothing on torso" מזהה בגדי פלג גוף עליון. מודל Grounding DINO גמיש באופן מרשים בהבנת מה שאתם רוצים למסך.

הגדרות הסף חשובות. סף ברירת המחדל של Grounding DINO הוא 0.3 שתופס את רוב המקרים. נמוך יותר (0.2) תופס התאמות אגרסיביות יותר כולל תוצאות חיוביות שגויות. גבוה יותר (0.4-0.5) שמרני יותר ועלול לפספס מקרי קצה. אנחנו משתמשים ב-0.3 כברירת מחדל ומכווננים לכל תהליך עבודה.

טשטוש מסכה ו-Denoise לעריכות נקיות

ברגע שיש לכם מסכה, פרמטרי ה-inpainting קובעים את איכות הפלט. שתי הגדרות חשובות ביותר, טשטוש מסכה ועוצמת denoise.

טשטוש מסכה מחליק את קצוות המסכה כך שה-inpaint מתמזג עם הפיקסלים שמסביב. קצוות מסכה חדים מפיקים תפרים נראים. יותר מדי טשטוש מרכך את העריכה מעבר למה שאתם רוצים. לעריכות בגדים בתוכן NSFW, 8-15 פיקסלים של טשטוש מסכה הם נקודת המתיקות. נמוך יותר (4-6 פיקסלים) לעריכות צמודות שבהן דיוק חשוב. גבוה יותר (15-20 פיקסלים) לעריכות רכות יותר שבהן המיזוג חשוב יותר מהדיוק.

עוצמת ה-denoise שולטת בכמה המודל מייצר מחדש לעומת משמר. ב-denoise 1.0, המודל מייצר תוכן חדש לחלוטין לאזור הממוסך. ב-denoise 0.5, המודל משנה את האזור הממוסך רק בחצי, משמר חלק מהפיקסלים המקוריים. ב-denoise 0.0, לא מתרחשת רגנרציה כלל.

לעבודת NSFW של החלפת בגדים, denoise 0.75-0.85 הוא הטווח הסטנדרטי. מתחת ל-0.7 המודל לעיתים קרובות משמר יותר מדי מצבע הבגד או הדוגמה המקוריים. מעל 0.9 המודל מייצר מחדש כל כך לחלוטין שפרופורציות הגוף לפעמים זזות באזור הממוסך.

לעריכות אנטומיה עדינות, denoise 0.5-0.65 עובד טוב יותר. אתם רוצים לשנות את האנטומיה הקיימת מעט בלי לייצר מחדש מאפס. ה-denoise הנמוך משמר יותר מהקומפוזיציה המקורית תוך כדי הפקת העריכה.

מצאנו שהרצת שני מעברי inpaint עם עוצמות denoise שונות לעיתים קרובות מנצחת מעבר יחיד עם denoise גבוה. מעבר 1 ב-denoise 0.85 מייצר את התוכן החדש. מעבר 2 ב-denoise 0.4 עם מסכה מעט גדולה יותר מרכך את המעבר בין אזורים ערוכים ולא ערוכים. גישת שני המעברים הזו מטפלת ברוב מקרי הקצה.

למידע נוסף על טיפול במסכות במיוחד, המדריך לפיתול מסכת inpainting ומיזוג תפרים מכסה את טריקי מיזוג התפרים שמפיקים עריכות בלתי נראות.

Flux Fill מול Checkpoint של SDXL Inpaint

הבחירה במודל ה-inpainting משפיעה באופן ממשי על איכות הפלט. שתי אפשרויות עיקריות קיימות ב-2026, Flux Fill ו-checkpoints של SDXL inpaint.

Flux Fill הוא מודל ה-inpainting הייעודי של Black Forest Labs המבוסס על Flux. הוא מטפל גם ב-inpainting וגם ב-outpainting באותו מודל. איכות הייצור מצוינת. הגרסה הקוונטית Q5 משתמשת רק ב-8GB VRAM, מה שנגיש לרוב המשתמשים. המדריך המלא ל-Flux Fill שלנו מכסה את המודל בפירוט.

Checkpoints של SDXL inpaint הם finetunes של SDXL שעברו אופטימיזציה ל-inpainting. הם מטפלים ב-NSFW היטב כשהם מצומדים לבסיסים בעלי יכולת NSFW כמו Lustify או Juggernaut. האיכות טובה אך בדרך כלל מעט מתחת ל-Flux Fill בעריכות מורכבות.

לעריכות בגדים בתוכן NSFW במיוחד, Flux Fill מנצח משתי סיבות. ראשית, ההיצמדות לפרומפט טובה יותר. כשאתם מתארים את הבגד החדש שאתם רוצים, Flux Fill מפיק אותו בצורה מדויקת יותר מגרסאות SDXL inpaint. שנית, איכות התפר נקייה יותר. Flux Fill מפיק עריכות שמתמזגות עם הסביבה ללא גבולות נראים לעיתים קרובות יותר. כרטיס המודל של Flux Fill ב-Hugging Face מכסה את המפרט הטכני ותבניות השימוש המומלצות.

המלכוד הוא הרישוי. Flux Fill מגיע תחת רישיון Flux Dev שמגביל שימוש מסחרי. לעבודת NSFW מסחרית, תרצו להשתמש ב-checkpoints של SDXL inpaint המבוססים על בסיסים בעלי רישיון חופשי, או להשתמש ב-inpainting מבוסס Chroma שאותו כיסינו בהשוואת Chroma מול Flux Dev שלנו.

המלצה מעשית לרוב המשתמשים, השתמשו ב-Flux Fill לפרויקטים אישיים שבהם הרישוי לא משנה. השתמשו ב-checkpoints של SDXL inpaint המבוססים על Lustify, Juggernaut או Pony לעבודה מסחרית. שניהם מפיקים פלט באיכות ייצור עם ההגדרות הנכונות. חיברנו גם את כל הצינור הזה ל-lewdly.ai (גילוי נאות, אנחנו עוזרים לבנות אותו), כך שמשתמשים שרוצים עריכות בגדים בלי לנהל את גרף ה-ComfyUI מקבלים את אותו פלט עם קלט פשוט יותר. הבחירה בין מקומי למתארח תלויה בכמה התאמה אישית של תהליך העבודה אתם באמת צריכים.

Face Detailer לאחר מעבר Inpaint

זהו השלב שרוב המדריכים מדלגים עליו והוא ההבדל בין פלט מקצועי לחובבני. לאחר כל מעבר inpaint שנוגע באזור הפנים או שמזיז את פרופורציות הגוף, הריצו את Face Detailer כמעבר לאחר עיבוד.

Face Detailer ב-ComfyUI משתמש בזיהוי פנים של YOLO כדי למצוא פנים בתמונה שלכם, ואז מריץ מעבר inpaint קטן על כל פנים שזוהו עם מודל הייצור שלכם. הפנים מיוצרות מחדש ברזולוציה גבוהה יותר עם פירוט טוב יותר מהפנים של תמונת הבסיס. התוצאה היא תווי פנים נקיים יותר בלי לשנות את הקומפוזיציה הכוללת.

לעבודת NSFW במיוחד, Face Detailer מונע את הבעיה הנפוצה של "גוף נהדר, פנים מוזרות" שקורית כשעושים inpainting לאזורי הגוף. ה-inpaint של הגוף יכול להזיז בעדינות את פרופורציות הפנים דרך התנהגות המודל במורד הזרם. Face Detailer מתקן זאת אוטומטית.

תהליך העבודה של ComfyUI Face Detailer ל-NSFW שלנו מכסה את צינור ה-face detailer הייעודי. לתהליך עבודת ה-inpainting שאנחנו בונים כאן, פשוט הוסיפו צומת face detailer בסוף השרשרת אחרי מעבר ה-inpaint הראשי.

הגדרות עבור Face Detailer:

• מודל זיהוי, bbox/face_yolov8m.pt (סטנדרטי) או מודל YOLO ספציפי לפנים בתוכן NSFW מ-Civitai
• Denoise 0.4-0.55 לשחזור פנים
• רזולוציית inpaint לפנים 1024 גם אם תמונת הבסיס נמוכה יותר
• הרחבת מסכה 5-10 פיקסלים כדי ללכוד את אזור הפנים המלא

הפנים שלאחר ה-detailer צריכות להיראות חדות יותר באופן ניכר מפלט הבסיס בלי לשנות את זהות הדמות. אם הזהות נסחפת, הורידו את ה-denoise. אם השיפור לא נראה, העלו את ה-denoise.

כשלים נפוצים ותיקונים

כשל נפוץ 1, גבולות מסכה נראים כתפרים. התיקון הוא הגדלת טשטוש המסכה. נסו 12-15 פיקסלים. אם התפר עדיין מופיע, הריצו את ה-inpaint בשני מעברים שתיארנו לעיל. לעיתים קרובות מעבר שני רך מבטל את התפר לחלוטין.

כשל נפוץ 2, אזור ה-inpaint לא תואם לפרומפט. התיקון הוא הגדלת עוצמת ה-denoise לכיוון 0.85-0.95 כך שלמודל יש יותר חופש לייצר מחדש. אם זה לא עובד, ייתכן שהפרומפט לא תואם לאוצר המילים של המודל. נסחו מחדש את פרומפט ה-inpaint עם שפה תיאורית פשוטה יותר.

כשל נפוץ 3, פרופורציות הגוף זזות באזור הממוסך. התיקון הוא שימוש ב-denoise שמרני יותר (0.6-0.7) והיותכם מפורשים בפרומפט לגבי פרופורציות הגוף שאתם רוצים לשמר. "same body shape, natural proportions, [your specific clothing edit]" נוטה לעבוד.

כשל נפוץ 4, התאורה לא תואמת בין אזורים ערוכים ללא ערוכים. התיקון הוא הכללת תיאור תאורה בפרומפט ה-inpaint. "soft daylight, matching ambient lighting" מכוון את המודל להפיק תאורה עקבית. גישת שני המעברים עוזרת גם כאן.

כשל נפוץ 5, Grounding DINO לא מזהה את מה שאתם רוצים למסך. התיקון הוא ניסיון של פרומפטים שונים של טקסט. "shirt" עלול לפספס דברים ש-"clothing" תופס. "underwear" עלול לפספס דברים ש-"lingerie" תופס. לפעמים "all clothing" הוא הפרומפט הנכון כשפריטים ספציפיים לא מפעילים זיהוי.

כשל נפוץ 6, המסכה גדולה מדי וכוללת את הגוף, לא רק את הבגדים. התיקון הוא הורדת סף ה-Grounding DINO או שימוש בפרומפטים ספציפיים יותר של טקסט. לפעמים אתם צריכים לחדד את המסכה ידנית לאחר הסגמנטציה האוטומטית. צומת Mask Editor של ComfyUI מאפשר לכם ללחוץ לתוך המסכה ולמחוק אזורים שאתם לא רוצים שייכללו.

למידע נוסף על עריכת מסכות במיוחד, המדריך לשליטה בעורך המסכות של ComfyUI מכסה את תהליך החידוד הידני אם הסגמנטציה האוטומטית זקוקה לניקוי.

הורידו את תהליך העבודה המלא

תהליך העבודה המלא שבו אנחנו משתמשים קיים כ-JSON של תהליך עבודה של ComfyUI. השרשרת הבסיסית היא:

1. Load Image (תמונת הבסיס שלכם)
2. Grounding DINO + SAM (סגמנטציה אוטומטית מבוססת פרומפט טקסט)
3. Mask Blur (8-15 פיקסלים)
4. KSampler עם Flux Fill או checkpoint של SDXL inpaint
5. תנאי inpaint + פרומפט חיובי
6. מעבר לאחר עיבוד של Face Detailer
7. Save Image

קובץ ה-JSON נייד בין התקנות ComfyUI. שחררו אותו לכל מופע של ComfyUI ותהליך העבודה נטען. הצמתים המותאמים אישית הנדרשים רשומים בראש תהליך העבודה כך ש-ComfyUI Manager יכול להתקין תלויות חסרות.

לפלטפורמות שלא רוצות להריץ את תהליך העבודה הזה מקומית, שירותים מתארחים מטפלים באותו צינור. Lewdly.ai מריץ את אותה תבנית תהליך עבודה בדיוק ב-back-end. הפלטפורמה קיימת כי רוב המשתמשים רוצים עריכות בגדים או inpainting בתוכן NSFW בלי לנהל 7 צמתים מותאמים אישית והורדה של checkpoint בגודל 12GB. אם אתם לא רוצים את המורכבות של ComfyUI, המסלול המתארח חוסך זמן אמיתי. זרימת ה-inpainting של lewdly.ai משתמשת באותם רכיבי SAM ו-Grounding DINO שכיסינו לעיל, רק מופשטים לממשק משתמש פשוט יותר.

לכיסוי מעמיק יותר על גישות inpainting חלופיות, המדריך לטכניקות inpainting ו-outpainting מתקדמות מכסה תבניות מעבר לעריכות בגדים, כולל outpainting, תיקון אנטומיה ועריכות מרובות אזורים.

שאלות נפוצות

איזה VRAM אני צריך לתהליך עבודת ה-Inpainting הזה?

12GB מינימום ל-inpainting מבוסס SDXL, 16GB מומלץ ל-Flux Fill. אתם יכולים להריץ Q4 Flux Fill על 8GB אבל האיכות יורדת באופן ניכר. מודל ה-SAM לבדו זקוק לכ-2.5GB. Grounding DINO זקוק לכ-700MB.

האם אני יכול להשתמש בתהליך עבודה זה עם Pony Diffusion?

כן. השתמשו ב-Pony V6 XL כ-checkpoint של SDXL inpaint. מבנה תהליך העבודה זהה, פשוט החליפו את טוען ה-checkpoint ל-Pony. שימו לב ש-Pony זקוק לתגי score בפרומפט ה-inpaint שלכם בדיוק כמו בייצור בסיס.

למה Grounding DINO מפספס חלק מהאובייקטים?

הגדרת סף. ברירת המחדל היא 0.3. הורידו אותה ל-0.2-0.25 לזיהוי אגרסיבי יותר. מודל Grounding DINO מאומן על אובייקטים נפוצים, ולכן פריטים יוצאי דופן או מסוגננים לפעמים לא מזוהים בספי ברירת המחדל.

האם כדאי להשתמש ב-Flux Fill או SDXL Inpaint ל-NSFW?

תלוי ברישוי. Flux Fill באיכות גבוהה יותר אך מוגבל ברישיון מחקר. SDXL inpaint עם בסיסים בעלי יכולת NSFW (Lustify, Juggernaut, Pony) הוא שימוש מסחרי בלתי מוגבל. לרוב המשתמשים, SDXL inpaint הוא הבחירה המעשית.

איך אני מתקן את התפר בין אזורים ערוכים ב-Inpaint למקוריים?

הגדילו את טשטוש המסכה ל-12-15 פיקסלים. אם התפר עדיין מופיע, הריצו מעבר שני ב-denoise נמוך (0.3-0.4) על אזור הגבול. המעבר הרך ממזג את הפיקסלים הערוכים והלא ערוכים בלי לשנות באופן משמעותי את העריכה.

מה ההבדל בין SAM ל-SAM2?

SAM הוא Segment Anything Model המקורי מ-Meta. SAM2 הוא הגרסה המעודכנת עם איכות סגמנטציה טובה יותר והסקה מהירה יותר. לתהליכי עבודה של inpainting ב-ComfyUI ב-2026, SAM2 בדרך כלל מועדף אבל SAM עדיין עובד אם SAM2 לא מותקן. המדריך לכלי סגמנטציית הווידאו הטוב ביותר SAM2 שלנו מכסה את SAM2 בפירוט רב יותר.

האם אני יכול לעבד באצווה תמונות רבות עם תהליך העבודה הזה?

כן. ComfyUI תומך בעיבוד אצווה דרך שינויים בתהליך העבודה. החליפו את Load Image ב-Load Images from Directory ותהליך העבודה יעבד כל תמונה בתיקייה. כל תמונה מקבלת את אותו פרומפט Grounding DINO ואותן הגדרות inpaint.

האם זה עובד עם פריימים של וידאו?

באופן חלקי. תהליך העבודה מטפל בפריימים בודדים היטב, אבל שמירה על עקביות זמנית בין פריימים דורשת צמתים נוספים כמו AnimateDiff או תהליכי עבודה של inpainting ספציפיים לווידאו. לעריכות לכל פריים ללא רציפות זמנית, תהליך העבודה הזה עובד כמו שהוא על פריימים שחולצו.