NSFW 얼굴을 위한 ComfyUI 페이스 디테일러 워크플로우

NSFW 생성물의 얼굴은 특유의 방식으로 망가져요. 몸은 완벽하게 나오고, 구도도 딱 맞아떨어졌는데, 얼굴을 확대해 보면 피카소 그림처럼 보이죠. 이런 일이 생기는 이유는 SDXL 계열 모델이 캔버스 전반에 걸쳐 latent 공간의 해상도를 고르지 않게 분배하기 때문이에요. 몸이 프레임의 대부분을 채우면, 샘플링 과정에서 얼굴은 아주 적은 픽셀 분량의 관심만 받게 됩니다. 페이스 디테일러는 얼굴 영역을 잘라내고, 업스케일한 뒤, 그 부분만 고해상도로 다시 생성하고, 원본에 다시 이어 붙이는 방식으로 이 문제를 해결해요. 그 결과 얼굴이 실제로 사람처럼 보이는 포토리얼 NSFW가 나옵니다. 저는 지난 18개월 동안 모든 프로덕션 이미지에 이 워크플로우를 사용해 왔어요. 정확한 설정을 여기 정리합니다.

빠른 답변: ComfyUI Manager에서 ComfyUI-Impact-Pack을 설치하세요. 탐지 모델로는 face_yolov8m.pt를 다운로드합니다. KSampler → VAEDecode → FaceDetailer로 이어지는 체인을 구성하고, NSFW 작업에는 denoise를 약 0.4-0.5로 설정하세요. 인물 사진의 경우 더 낮은 denoise(0.3)로 두 번째 패스를 돌리면 됩니다. 캐릭터 일관성을 위해 FaceDetailer 노드 내부에 얼굴 LoRA를 추가하세요.

NSFW 얼굴이 가장 먼저 망가지는 이유

자, 이런 일이 생기는 이유는 모델이 구도를 어떻게 다루는지 이해하면 전혀 신비롭지 않아요. SDXL 계열 모델은 128x128 latent 그리드 위에서 작동합니다(이것이 1024x1024 픽셀 출력으로 디코딩되죠). 이미지의 모든 디테일은 그 그리드 안에 들어가야 해요. 프롬프트가 전신 NSFW 장면을 요청하면, 몸이 프레임 대부분을 채우고, 얼굴은 latent 그리드에서 대략 12x12 영역 정도만 차지하게 됩니다. 얼굴 전체에 할당된 관심 예산이 144 latent 픽셀에 불과하다는 뜻이에요. 몸에 할당된 1,000개 이상의 latent 픽셀과 비교하면 말이죠. 얼굴은 구조적 차원에서 과소 샘플링됩니다.

증상은 이렇게 나타나요. 서로 맞지 않는 두 눈. 공포 영화처럼 보이는 치아. 몸의 피부 질감과 어울리지 않는 피부 질감. 미묘하게 어긋난 입술. 있어야 할 디테일이 부족한 머리카락. 이 중 어느 것도 모델의 실패가 아닙니다. 해상도 분배 문제이며, 페이스 디테일러는 얼굴에 더 높은 실효 해상도로 전용 생성 패스를 제공하여 이를 해결해요.

이 문제는 NSFW가 아닌 작업에도 존재하며, 그래서 ADetailer(A1111의 대응 도구)가 모든 포토리얼 생성에 필수 장비가 된 거예요. NSFW의 경우 특히 이 문제가 더 심한데, 그 이유는 다음과 같습니다.

• 몸 중심의 구도는 얼굴을 프레임 중앙에서 더 멀리 밀어냅니다
• 프레임 내 몸 비중이 클수록 얼굴 비중은 작아집니다
• 대부분의 NSFW 체크포인트는 인물 사진 체크포인트보다 얼굴 특징에 대한 관심 학습이 적습니다
• 다중 피사체 장면은 각 얼굴이 받는 관심이 더욱 줄어들기 때문에 문제를 증폭시킵니다

2026년 현재 페이스 디테일러는 NSFW 프로덕션 작업에서 선택 사항이 아닙니다. 이것 없이 결과물을 내보내는 사람은 필요 이상으로 나쁜 얼굴을 내보내고 있는 거예요.

Impact Pack과 YOLO 모델 설치

설치는 간단하지만 알아둘 만한 함정이 몇 가지 있어요. 흐름은 이렇습니다.

1. ComfyUI Manager를 엽니다
2. "ComfyUI-Impact-Pack"을 검색하고 설치합니다
3. "ComfyUI-Impact-Subpack"을 검색하고 설치합니다(둘 다 필요해요)
4. ComfyUI를 재시작합니다
5. 탐지 및 세그멘테이션 모델을 다운로드합니다

Impact-Subpack은 대부분의 튜토리얼이 건너뛰는 부분이에요. 여기에는 YOLO 모델을 불러오는 UltralyticsDetectorProvider가 들어 있고, Impact-Pack 자체에는 FaceDetailer 노드가 들어 있어요. 두 패키지 모두 필요하며, 둘 다 설치되어 있고 최신 버전이어야 합니다. Impact-Pack만 설치하면 노드가 없다는 알 수 없는 오류가 발생할 거예요.

탐지 모델로는 face_yolov8m.pt를 권장합니다. "m"은 medium을 뜻하며, 얼굴 중심 작업에서 탐지 정확도와 속도의 가장 좋은 균형을 제공해요. 더 작은 변형(face_yolov8s.pt)은 더 빠르지만 어려운 구도에서 얼굴을 더 많이 놓칩니다. 더 큰 변형(l, x)은 약간 더 정확하지만 상당히 느려요.

세그멘테이션에는 sam_vit_b_01ec64.pth를 사용하세요. SAM(Segment Anything Model)은 YOLO 바운딩 박스 안에 정밀한 마스크를 만들어, 디테일러가 재생성된 부분을 주변 픽셀로 부드럽게 페더링할 수 있게 해줘요. "b" 변형은 얼굴 작업에 적합한 정확도와 속도의 균형입니다. 더 큰 SAM 변형(l, h)은 얼굴 디테일링에는 과합니다.

다운로드 경로:

• face_yolov8m.pt: ComfyUI/models/ultralytics/bbox/에 배치
• sam_vit_b_01ec64.pth: ComfyUI/models/sams/에 배치

ComfyUI Manager를 사용할 수 없다면(일부 제한된 환경에서는 차단됩니다), ComfyUI/custom_nodes/에 리포지토리를 클론하고 설치 스크립트를 실행하여 수동으로 설치할 수 있어요. 해당 디렉터리에 쓰기 권한이 있는지 확인하세요. 그렇지 않으면 설치가 조용히 실패합니다.

2026년 특유의 함정이 하나 있어요. PyTorch 2.6은 torch.load()의 기본값으로 weights_only=True를 도입했는데, 이는 YOLO 모델 로딩을 깨뜨립니다. Ultralytics 모델에는 보안 로더가 거부하는 Python 객체가 들어 있기 때문이에요. Impact-Subpack에는 신뢰할 수 있는 YOLO 모델 경로에 대해 명시적으로 weights_only=False를 설정하는 우회 처리가 있지만, 시작 시 UnpicklingError가 보인다면 Impact-Subpack 버전이 너무 오래된 거예요. ComfyUI Manager를 통해 업데이트하면 오류가 사라질 겁니다.

페이스 디테일러 노드 체인 구성하기

기본 페이스 디테일러 워크플로우는 단순한 선형 체인이에요. 일반적인 텍스트-투-이미지 파이프라인(CLIP 인코드, KSampler, VAEDecode)으로 시작한 뒤, VAEDecode 다음에 FaceDetailer 노드를 붙입니다. 입력을 연결하세요.

• image: VAEDecode 출력에서
• model: CheckpointLoader에서(메인 생성에 사용한 것과 동일한 모델)
• clip: CheckpointLoader에서
• vae: CheckpointLoader에서
• positive: 긍정 프롬프트(보통 메인과 동일)
• negative: 부정 프롬프트(보통 메인과 동일)
• bbox_detector: face_yolov8m.pt를 불러오는 UltralyticsDetectorProvider에서
• sam_model_opt: sam_vit_b_01ec64.pth를 불러오는 SAMLoader에서(선택 사항이지만 권장)

FaceDetailer 노드에는 파라미터가 많지만, 일상적인 사용에서 실제로 중요한 것은 몇 개뿐이에요.

• bbox_threshold: 0.5(기본값). 저조도 장면에서 얼굴을 놓치면 0.3으로 낮추세요.
• bbox_dilation: 10(기본값). 탐지된 얼굴 주위의 크롭 영역을 늘립니다. 값이 높을수록 재생성에 더 많은 맥락을 주지만 시간을 낭비해요.
• bbox_crop_factor: 3(기본값). 재생성 전에 얼굴 크롭을 이 배수만큼 업스케일합니다. 3은 100px 얼굴이 300px가 되어 재생성된 뒤 다시 축소된다는 뜻이에요.
• denoise: 0.5(기본값). 가장 중요한 항목입니다. 아래에서 자세히 다룹니다.
• feather: 5(기본값). 마스크의 가장자리 페더링. 재생성된 얼굴과 원본 이미지 사이의 이음매를 부드럽게 합니다.
• sam_dilation_factor: 10(기본값). SAM 세그멘테이션 마스크를 확장합니다. 값이 높을수록 더 많은 주변 픽셀을 포함해요.

특히 NSFW 작업의 경우, 많은 반복 끝에 제가 정착한 설정은 다음과 같아요.

• bbox_threshold: 0.4(더 어려운 구도에서 얼굴을 잡아냅니다)
• bbox_dilation: 12(약간 더 많은 맥락이 NSFW 얼굴에 도움이 됩니다)
• bbox_crop_factor: 3(기본값이 적절합니다)
• denoise: 0.42(기본값보다 낮습니다. 다음 섹션 참조)
• feather: 8(더 깔끔한 이음매를 위해 약간 더 많은 페더링)
• sam_dilation_factor: 10(기본값이 적절합니다)

이건 시작점이에요. 본인의 특정 모델과 프롬프트 스타일에 맞게 조정하세요.

NSFW 얼굴을 위한 Denoise와 CFG

denoise는 페이스 디테일러에서 대부분의 사람들이 잘못 설정하는 파라미터예요. 기본값 0.5는 일반적인 용도를 위한 것입니다. 재생성된 얼굴이 몸의 피부톤과 조명에 맞기를 원하는 NSFW 작업에서는, 더 낮은 denoise가 더 깔끔한 결과를 만들어요.

denoise의 트레이드오프:

• 0.6-0.7: 큰 폭의 얼굴 변경. 매우 망가진 얼굴을 고칠 때 사용하지만 캐릭터 드리프트의 위험이 있어요.
• 0.5: 기본값. 보정 품질과 일관성의 균형을 맞춥니다.
• 0.4-0.45: 미세한 보정. 캐릭터 정체성을 유지합니다. 프로덕션 NSFW에 최적입니다.
• 0.3: 소폭의 다듬기만. 0.4-0.5 첫 패스 이후 두 번째 패스로 사용하세요.
• 0.2 이하: 거의 변화 없음. 이 수준에서는 디테일러를 건너뛰세요.

대부분의 NSFW 작업에서 올바른 패턴은 0.42로 단일 패스를 돌리는 거예요. 이렇게 하면 프롬프트와 LoRA가 확립한 캐릭터 정체성을 바꾸지 않으면서 구조적 얼굴 문제(맞지 않는 눈, 이상한 치아, 깨진 비율)를 정리합니다. 첫 패스로 부족하다면 0.3으로 두 번째 패스를 돌려 더 다듬으세요.

FaceDetailer 내부의 CFG는 메인 생성의 CFG와 같거나 약간 높아야 해요. RealVisXL 워크플로우의 경우 메인 생성에 CFG 7을 쓰고 페이스 디테일러에는 CFG 7-8을 씁니다. Pony Realism의 경우 메인 생성에 CFG 5를 쓰고 페이스 디테일러에는 CFG 5-6을 써요. 페이스 디테일러에서 CFG가 너무 높으면 프롬프트 토큰("beautiful eyes" 같은)이 과도하게 강조되어, 포토리얼 출력에 애니메이션 같은 과장된 특징이 나타날 수 있어요. 너무 높게 올리지 마세요. 이 둘 사이의 모델 선택은 디테일러 설정에 눈에 띄게 영향을 미치며, Pony Realism vs RealVisXL 비교에서 둘 다 다룹니다.

FaceDetailer 내부의 샘플러 선택은 메인 생성에서만큼 중요하지 않아요. DPM++ 2M Karras 20스텝이면 대부분의 얼굴 디테일링에 충분합니다. 스텝을 20 아래로 낮추면 얼굴 디테일 품질에 영향이 나타나기 시작해요.

페이스 디테일러 내부에 LoRA 추가하기

여기 제가 배우는 데 부끄러울 만큼 오래 걸린 기법이 있어요. FaceDetailer 노드에는 자체 model 입력이 있는데, 이는 메인 생성에서 쓰는 것과 다른 모델 그래프를 전달할 수 있다는 뜻이에요. 가장 유용한 활용은 메인 생성에는 영향을 주지 않으면서 디테일러 안에서 얼굴 전용 LoRA를 불러오는 것입니다.

패턴은 이렇습니다.

1. 메인 생성: CheckpointLoader → KSampler → VAEDecode
2. 페이스 디테일러: CheckpointLoader → LoraLoader(얼굴 LoRA) → FaceDetailer.model에 연결

얼굴 LoRA는 얼굴 재생성 패스 동안에만 적용돼요. 이것은 다음과 같은 경우에 유용합니다.

• 얼굴 일관성에는 도움이 되지만 전체 강도에서는 몸을 망치는 캐릭터 LoRA가 있을 때
• 포토리얼 피부 디테일 LoRA를 배경이 아닌 얼굴에만 적용하고 싶을 때
• 여러 이미지에 걸쳐 얼굴이 레퍼런스에 일치해야 하는 캐릭터 일관성 NSFW를 작업할 때

특히 캐릭터 일관성의 경우, 이것은 전체 생성에 캐릭터 LoRA를 돌리는 것보다 더 신뢰할 만한 접근이에요. 캐릭터 LoRA는 중요한 얼굴 영역에서 전체 샘플링 예산을 받고, 몸은 LoRA의 몸 형태 편향 없이 생성됩니다.

FaceDetailer 내부의 LoRA 가중치는 보통 전체 강도(0.8-1.0)로 두고 싶을 거예요. 얼굴은 작업할 해상도가 제한적이라 LoRA의 신호가 명확하게 드러나기를 원하기 때문이죠. 여러 LoRA(얼굴 LoRA와 디테일 LoRA)를 쌓고 있다면, 제 LoRA 스태킹 가이드에서 가중치 균형 패턴을 다룹니다.

그룹 장면을 위한 멀티패스

단일 얼굴 워크플로우는 쉬워요. 다중 얼굴 워크플로우는 약간 더 많은 설정이 필요한데, 탐지기가 모든 얼굴을 찾아 배치로 처리하지만 파라미터는 일률적으로 적용되기 때문이에요. 조명이 잘 들어온 얼굴 하나와 그늘진 얼굴 하나가 있다면, 같은 denoise가 한쪽에는 맞고 다른 쪽에는 틀릴 수 있어요.

해결책은 패스마다 다른 설정으로 멀티패스 디테일링을 하는 거예요.

패스 1: 문제가 있는 경우를 위한 공격적인 디테일링(denoise 0.5, 모든 얼굴) 패스 2: 가장 깔끔한 버전을 위한 보수적인 다듬기(denoise 0.3, 모든 얼굴)

이 2패스 패턴은 어떤 단일 패스 설정보다 더 나은 결과를 만듭니다. 패스 1이 큰 구조적 문제를 고치고, 패스 2가 변화를 도입하지 않으면서 마무리하기 때문이죠. 이미지당 총 시간은 약 30퍼센트 증가하지만(각 패스가 RTX 4090에서 약 3-5초 추가), 프로덕션 작업에서 품질 향상은 상당해요.

특히 다중 캐릭터 NSFW 장면의 경우, 캐릭터별 마스크에 페이스 디테일러를 돌릴 수도 있어요. SAM을 사용해 각 캐릭터를 따로 세그먼트한 다음, 캐릭터별 LoRA로 각 마스킹된 영역에 페이스 디테일러를 돌리는 거죠. 이건 더 복잡하지만 같은 이미지에서 여러 개의 뚜렷한 캐릭터 정체성을 유지할 수 있게 해줘요. 설정에는 더 많은 노드가 필요하지만 워크플로우는 선형으로 유지됩니다.

페이스 디테일러 + 업스케일 파이프라인

제가 사용하는 완전한 프로덕션 파이프라인은 이렇게 생겼어요.

1. 1024x1024(또는 본인의 기본 해상도)에서 초기 생성
2. denoise 0.42로 페이스 디테일러 패스 1
3. (선택) 손 보정을 위한 핸드 디테일러 패스
4. 모델 업스케일러로 2048x2048까지 업스케일(Ultrasharp 4x가 제 기본값)
5. 업스케일된 이미지에 denoise 0.3으로 페이스 디테일러 패스 2
6. (선택) 몸 질감에 대한 디테일 향상 패스

고급 프로덕션 작업에서 마법이 일어나는 곳은 5단계와 6단계예요. 업스케일 후 얼굴은 작업할 픽셀이 더 많아지고, 낮은 denoise의 페이스 디테일러 패스가 더 낮은 해상도에서는 불가능했던 미세 디테일(모공, 눈 반사, 머리카락 가닥)을 더할 수 있어요. 이것이 "괜찮은 AI 이미지"와 "사진 등급 AI 이미지"의 차이입니다.

RTX 4090에서 이 전체 파이프라인의 총 생성 시간:

• 초기 생성: 5-7초
• 페이스 디테일러 패스 1: 3-4초
• 핸드 디테일러: 4-5초
• 업스케일: 8-12초
• 페이스 디테일러 패스 2: 4-6초(픽셀이 더 많음)
• 합계: 이미지당 24-34초

단일 이미지치고는 많은 시간이지만, 모든 단계가 품질을 더하고 결과물은 어느 단계든 건너뛰는 것보다 확실히 더 좋아요. 배치 프로덕션의 경우 이는 시간당 100-150장이 됩니다. 일회성 히어로 샷이라면 각각에 시간을 들일 가치가 있어요.

워크플로우 다운로드

이 파이프라인을 위한 완전한 워크플로우 JSON은 위에서 설명한 노드들로 조립하기 어렵지 않지만, 시간을 절약해 주는 몇 가지 설정 팁이 있어요.

• 메인 모델 그래프와 페이스 디테일러 그래프를 시각적으로 분리하려면 Reroute 노드를 사용하세요
• 작동하면 워크플로우를 템플릿으로 저장하세요(우클릭 → Save as template)
• FaceDetailer 파라미터의 기본값을 한 번 설정해 두고, 여러 패스가 필요할 때 노드를 복제하세요
• bbox_threshold를 경계선 탐지를 잡아낼 만큼은 낮게 두되, 몸 특징에서 오탐이 생길 만큼 낮지는 않게 유지하세요

처음부터 조립하고 싶지 않은 분들을 위해, ComfyUI Impact Pack GitHub 리포지토리의 workflows 폴더에 예제 워크플로우가 있어요. basic_pipe 예제가 표준 설정을 다룹니다. RunComfy 같은 커뮤니티 워크플로우 사이트에는 멀티패스 및 캐릭터 일관성 변형을 포함한 더 정교한 설정들이 올라와 있어요.

이 워크플로우를 직접 관리하는 게 일처럼 들린다면, 그럴 만해요. Lewdly.ai는 동등한 파이프라인을 자동으로 실행합니다. 얼굴 디테일링이 모든 생성에서 일어나며 크리에이터가 노드 그래프를 신경 쓸 필요가 없어요. 인프라가 아니라 콘텐츠가 본업인 대부분의 NSFW 크리에이터에게는, 그 추상화 수준이 적절합니다. 솔직히 말하면 저도 이걸 만드는 데 참여하고 있어요.

자주 묻는 질문

NSFW를 위해 페이스 디테일러에서 어떤 denoise를 써야 하나요? 대부분의 포토리얼 NSFW 작업에서 0.42가 가장 좋은 지점이에요. 기본값 0.5는 얼굴을 과도하게 수정하고 의도한 캐릭터에서 벗어날 수 있어요. 0.4보다 낮으면 구조적 문제를 고치기에는 너무 보수적입니다. 0.42를 기본값으로 두고 거기서 조정하세요.

FaceDetailer가 UnpicklingError로 실패하는 이유는 무엇인가요? PyTorch 2.6 이상은 torch.load()에 대해 weights_only=True를 기본값으로 하는데, 이는 YOLO 모델 안의 Python 객체를 거부합니다. Impact-Subpack을 최신 버전으로 업데이트하세요. 현재 버전에는 이를 올바르게 처리하는 패치된 로더가 포함되어 있어요.

SAM 없이 페이스 디테일러를 돌릴 수 있나요? 네. sam_model_opt 입력은 선택 사항이에요. SAM이 없으면 정밀한 세그멘테이션 대신 사각형 bbox 마스크를 얻습니다. 재생성이 필요 이상의 주변 픽셀에 영향을 주기 때문에 품질은 약간 낮지만, 대부분의 경우 결과는 여전히 쓸 만해요.

캐릭터 일관성을 위해 얼굴 LoRA가 필요한가요? 꼭 그렇지는 않아요. 프롬프트와 시드가 일관되면 얼굴은 생성물 전반에 걸쳐 대체로 일관됩니다. 얼굴 LoRA는 이를 크게 조여줘요. 제가 설명한 FaceDetailer 내부 LoRA 패턴은 LoRA가 얼굴 영역에만 영향을 주기 때문에 최상의 결과를 냅니다.

페이스 디테일러와 ADetailer의 차이는 무엇인가요? ADetailer는 같은 아이디어의 A1111/Forge 대응 도구예요. ComfyUI의 FaceDetailer(Impact Pack 출신)는 더 많은 설정 옵션을 가지고 있지만 같은 원리로 작동합니다. 둘 다 얼굴을 탐지하고, 잘라내고, 업스케일하고, 재생성한 뒤 다시 이어 붙여요. 품질은 대체로 동등합니다. ComfyUI는 워크플로우에 대한 더 많은 제어권을 줍니다.

페이스 디테일러를 업스케일 전에 돌려야 하나요, 후에 돌려야 하나요? 둘 다요. 패스 1은 업스케일 전에(낮은 비용으로 구조적 문제를 고침). 패스 2는 업스케일 후에 더 낮은 denoise로(더 높은 해상도의 얼굴에 디테일을 더함). 이 업스케일을 사이에 둔 2패스 패턴이 고급 출력의 프로덕션 표준이에요.

페이스 디테일러가 Flux 모델에서도 작동하나요? 네. FaceDetailer 노드는 모델에 구애받지 않아요. Flux, SDXL, Pony, 그리고 ComfyUI가 지원하는 다른 모든 디퓨전 모델에서 작동합니다. 기반 생성 단계가 더 느리기 때문에 Flux에서는 성능이 더 느려요.

페이스 디테일러가 캐릭터의 정체성을 바꾸지 못하게 하려면 어떻게 하나요? denoise를 낮추고(0.35-0.42), CFG를 적당하게 유지하고(5-7), 디테일러의 긍정 프롬프트에서 캐릭터 특징을 바꾸는 프롬프트 토큰을 피하세요. 캐릭터 LoRA를 사용하고 있다면, 정체성을 고정하기 위해 FaceDetailer 내부에 전체 강도로 적용하세요.

페이스 디테일러 출력이 과하게 매끈해 보이는 이유는 무엇인가요? 너무 높은 denoise에 매끈한 피부 편향이 있는 모델이 합쳐지면 과하게 매끈한 얼굴이 나옵니다. denoise를 0.4로 낮추세요. 긍정 프롬프트에 "skin texture, pores, natural skin"을 추가하세요. 디테일러 내부의 뷰티 LoRA 가중치를 줄이세요.

같은 노드로 손도 디테일링할 수 있나요? Impact Pack에는 hand_yolov8s.pt 탐지 모델이 함께 제공되며, bbox_detector 입력을 교체하면 같은 FaceDetailer 노드가 손을 대상으로 할 수 있어요. 일부 Impact Pack 버전에는 전용 HandDetailer도 있습니다. 둘 다 비슷하게 작동해요. 손 디테일링은 구조적 문제가 더 심하기 때문에 보통 얼굴 디테일링보다 더 높은 denoise(0.5-0.6)를 원합니다.

올바른 멘탈 모델

페이스 디테일러는 품질 향상 도구가 아니라 해상도 분배기예요. 이것이 작동하는 이유는 AI 모델이 픽셀당 고정된 관심 예산을 가지고 있고, 몸 중심 구도에서 얼굴 영역이 굶주리기 때문입니다. 잘라내어 재생성함으로써, 더 높은 실효 해상도에서 얼굴에 자체적인 전체 관심 예산을 주는 거예요. 이걸 체득하면 올바른 설정이 자명해집니다. 낮은 denoise는 모델이 이미 제대로 만든 것을 보존해요. 높은 denoise는 구조적 문제를 고치지만 캐릭터 드리프트의 위험이 있어요. 멀티패스는 그저 다른 우선순위로 예산을 두 번 돌리는 것뿐입니다.

이 워크플로우는 18개월 동안 제 프로덕션 NSFW 작업의 기본값이었고, 제가 파이프라인에 추가한 것 중 단연 가장 큰 품질 향상이에요. 생성하는 모든 포토리얼 NSFW 이미지에 페이스 디테일러를 돌리고 있지 않다면, 많은 품질을 놓치고 있는 거예요. 설정은 처음에 30분이 걸립니다. 품질 차이는 영구적이에요.

참고 자료로는 Impact Pack GitHub, 페이스 디테일러에 관한 ComfyUI Wiki 튜토리얼, 그리고 노드 그래프에 대한 깔끔한 시각 레퍼런스를 제공하는 ThinkDiffusion이 공개한 페이스 디테일러 워크플로우가 있어요.