ComfyUI5 の履歴(No.10)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• ComfyUI5 へ行く。
  • 1 (2026-01-11 (日) 16:59:52)
  • 2 (2026-01-13 (火) 04:00:51)
  • 3 (2026-01-13 (火) 10:55:48)
  • 4 (2026-01-13 (火) 14:05:56)
  • 5 (2026-01-26 (月) 09:03:51)
  • 6 (2026-02-14 (土) 10:13:33)
  • 7 (2026-02-17 (火) 16:33:28)
  • 8 (2026-03-03 (火) 17:21:56)
  • 9 (2026-03-08 (日) 16:45:17)
  • 10 (2026-03-10 (火) 16:04:01)
  • 11 (2026-03-11 (水) 05:44:17)

---

私的AI研究会 > ComfyUI5

画像生成AI「ComfyUI」５（実習編）†

　「ComfyUI」を使ってローカル環境でのAI画像生成を検証する

「ComfyUI」いろいろなワークフローの作成†

プロジェクトで作成するワークフロー†

• ComfyUI_proj.zip をダウンロード（随時更新中）※2026/01/24更新
  ・解凍してできるフォルダ
  

  📂ComfyUI
    ├─📂input　　　　　　　　　　　　　　← ワークフローに含まれる入力画像
    └─📂user
          └─📂default
                └─📂workflows　　　　　　　　← ワークフローの保存場所
                      ├─📂_audio
                      ├─📂_base
                      ├─📂_base_i2i
                      ├─📂_base_t2i
                      ├─📂_prompt
                      ├─📂_utility
                      ├─📂_video
                      └─📂test

  ・解凍してできる「ComfyUI/」フォルダを「StabilityMatrix/Data/Packages/ComfyUI」へ上書きコピーする
  
  

• ワークフローと動作環境による生成時間（分：秒）
  

  ワークフロー	機　能	CPU					CPU
  		RTX 4070	RTX 4060	RTX 4060L	RTX 3050	GTX 1050	i7-1260P	i7-1185G7
  test_img2img_outpaint.json	アウトペインティング１	00:06.34	00:11.41	00:21.29	00:17.07	01:05.91	19:55.85	07:24.03
  bs_i2i_outpaimt.json	アウトペインティング２	00:16.05	00:19.99	00:24.95	00:33.11	01:24.59	08:57.10	08:17.11
  s01_img2img.json	Comfyui 公式サンプル Img2Img	00:01.67	00:02.85	00:03.54	00:06.46	00:28.08	03:08.13	02:59.00
  s02_hiresfix_latent.json	2パスTxt2Img (高解像度修正)	00:05.11	00:10.99	00:14.97	00:22.59	02:38.34	23:06.98	18:44.22
  s02a_hiresfix_esrgan.json	非潜在アップスケーリング	00:07.50	00:15.41	00:18.73	00:33.31	03:00.41	26:30,40	21:22.71
  tagger_t2i_base.json	画像から同じ雰囲気の画像を生成	00:05.46	00:09.22	00:04,46	00:12.00	00:41.83	04:34.00	04:19.55
  ollama_t2i_base.json	Ollama 同じ雰囲気の画像を生成	00:10.62	00:21.87	00:16.18	00:29.46	01:03.96	05:34.55	05:27.80
  tagger_t2i_canny.json	画像から同じ画像を再現	00:06.91	00:10.89	00:17.98	00:17.17	00:43.70	04:12.83	04:07.27
  base-sdxl.json	SDXL「text2img」基本	00:39.86	01:05.69	00:56.79	01:24.05	04:09.59	29:28.01	21:28.40

アウトペインティング１：「Pad Image for Outpainting」ノードを使用する†

• 主な特徴と機能
  ・画像拡張:
  　画像の端（上下左右）に続きを描き足す
  ・自然な描写:
  　元の画像のスタイルや色調を維持し、違和感なく拡張する
  ・用途:
  　風景写真の拡大、見切れたキャラクターの全身描写、バナー作成など
  ・技術的アプローチ:
  　ComfyUI内のノード（PadImageForOutpaintingなど）を用いて、元の画像に余白（パディング）を追加し、その部分をInpaint技術で描画する
  
  
• このテーマのサイト内検証ページ（参考）
  
  • 「Stable Diffusion」拡張機能 openOutpaint
    

1. 「_base/」bs_img2img.json『image-to-image』基本ワークフローを読み出す
   
   
   
   ①「Load Image」ノードに入力画像をドラッグ＆ドロップする
   ②「Upscale Image」ノードを削除し「Pad Image for Outpainting」ノードを追加
   ③「VAE Encode」ノードを削除し「VAE Encode for inpainting」ノードを追加する
   ④「Load Image」の IMAGE と「Pad Image for Outpainting」image を接続
   ⑤「Pad Image ...」の IMAGE, MASK を「VAE Encode ...」の pixels, mask に接続
   ⑥「VAE Encode for inpainting」の LATENT を「KSampler」の latent_image に繋ぐ
   ⑦「Load Checkpoint」VAE 出力を「VAE Encode for inpainting」vae に接続する
   
   
   
2. 『image-to-image outpainting』ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「test/」test_img2img_outpaint.json
   

アウトペインティング２：「ComfyUI Wiki チュートリアル」 から構築する†

1. 『ComfyUI基本アウトペインティングワークフロー』
   
   
   ① 基本ワークフロー：basic-outpainting-workflow.json をダウンロード
   ② ComfyUI キャンバス上にドラッグ＆ドロップ
   ③ 追加のモデルををダウンロード → sd-v1-5-inpainting.ckpt
   ④「StabilityMatrix/Data/Models/StableDiffusion/SD1.5/」に配置する
   ⑤「Run」を押して画像を生成する ⑥「Empty Latent Image」ノードを削除する
   ⑦「Load Image」「Upscale Image」「VAE Encode」ノードを追加して接続
   ⑧「Load Checkpoint」ノードのモデルを変更する
   ⑨ 入力画像・プロンプト・ネガティブ・プロンプトを変更する
   
   
   
2. 『image-to-image outpainting』ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base/」bs_i2i_outpaimt.json
   

Comfyui 公式サンプル ：「Img2Img」「Txt2Img (Hires fix)」「Non latent Upscaling」†

• 主な特徴とメリット
  ・ディテールの再構築:
  　単なる引き伸ばし（アップスケール）と異なり、AIが情報を補完して高精細な画像を描き直すため、細かい目や鼻なども崩れにくい
  ・構造の維持:
  　低解像度で生成された全体の構図を維持したまま、高解像度化できる
  ・柔軟性:
  　2回目の生成時にデノイズ強度（Denoise）やプロンプトを調整することで、ディテールの描き込み具合を制御できる
  

• ComfyUIでの実装方法
  ・通常生成:
  　低解像度（例: 512x512）で画像を生成
  ・アップスケール:
  　Latent Upscale ノードでLatent（潜在空間）のサイズを拡大
  ・再描画:
  　拡大した Latentを2回目の KSampler に通し、Denoise値を0.5～0.6程度にして高精細化する
  
  
• このテーマのサイト内検証ページ（参考）
  
  • 生成 AI プログラミング２ Step 36：元画像を4倍拡大（x4 upscaler）
    
  • 生成 AI プログラミング２ Step 37：潜在空間で2倍拡大（x2 latent upscaler）
    
  • 生成 AI プログラミング４ Step 53：画像を拡大する「4x Upscale」
    
  • 「Stable Diffusion」パラメータ 『アップスケーラー』
    

1. 「Img2Img」
   

   Img2Img は画像をロードし VAEで潜在空間に変換 1.0未満の denoise でサンプリングすることによって機能する denoise は画像に追加されるノイズの量を制御する denoiseが低いほど追加されるノイズが少なくなり画像の変化も少なくなる

   
   ① パラメータを修正し「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_sample/」s01_img2img.json
   
   
2. 「2 Pass Txt2Img (Hires fix) 」2パスTxt2Img（高解像度修正）
   

   Hires fix は低解像度で画像を作成しそれをアップスケールしてから img2img に送る ComfyUI では txt2img と img2img は同じノードである Txt2Img は最大のノイズ除去でサンプラーノードに空の画像を渡すことで実現される

   
   ① パラメータを修正し「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_sample/」s02_hiresfix_latent.json
   
   
3. 「Non latent Upscaling」非潜在アップスケーリング
   

   アップスケーリングステップに esrgan アップスケーラーを使用する方法の例 ESRGAN はピクセル空間で動作するため画像はアップスケールされた後にピクセル空間に変換され再び潜在空間に戻される必要がある

   
   ① 追加のモデルををダウンロード → RealESRGAN_x4plus.pth
   ②「StabilityMatrix/Data/Models/RealESRGAN/」に配置する
   ③ パラメータを修正し「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_sample/」s02a_hiresfix_esrgan.json
   
   

画像から：同じ雰囲気の画像を生成する†

• このテーマのサイト内検証ページ（参考）
  
  • 「Stable Diffusion」拡張機能「ControlNet」ControlNet『Reference』
    
  • 「Stable Diffusion」生成演習 元画像を参考にする
    

1. 元画像から「Tagger」でプロンプトを生成して生成
   
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_prompt/」tagger_t2i_base.json
   
   
2. 元画像から「Ollama」でプロンプトを生成して生成
   

   画像を扱うことのできる大規模言語モデル（LLM）でプロンプトを作成して画像を生成する 入力するテキストの指示により詳細を追加することかできる

   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_prompt/」ollama_t2i_base.json
   
   
3. 生成例：
   

   元画像	①	②	③

画像から：同じ画像を再現する†

• このテーマのサイト内検証ページ（参考）
  
  • 画像生成 AI「Stable Diffusion」生成例 できるだけ元の写真に近い画像を生成する
    

1. 元画像のプロンプトを生成して「ControlNet-canny」で生成
   
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_prompt/」tagger_t2i_canny.json
   
   
2. 生成例：
   

   元画像	①	②	③

SDXL モデル「text2img」基本ワークフロー†

• 主な特徴
  ・高解像度・高品質:
  　従来の SD1.5 モデルに比べ、プロンプトへの追従力や画質（特にディテール、シャドウ）が大幅に向上
  ・ComfyUI での利点:
  　VRAM 使用量が比較的少なく高速な処理が可能。ノードを視覚的に組み合わせることで、Base / Refiner の連携など複雑な工程を自在に制御できる
  
• モデルの構成:
  　基本は Base モデルで画像を生成するが、さらに詳細を描き込むための Refiner モデルを組み合わせることができる
  
• アニメ特化モデル:
  　「Pony Diffusion V6 XL」など、ファンタジー系やアニメ調に強いコミュニティモデルも多数利用可能
  

1. 「_base/」base.json 基本ワークフローを読み出す
   ①「Load Checkpoint」ノードの ckpt_name「fudukiMix_V20」を選択
   ②「CLIP Text Encoder」ノード 2つにプロンプト/ネガティブ・プロンプトをそれぞれ入力
   

   Prompt	a woman with a short haircut and a white shirt is posing for a picture with a white background, perfect face, a character portrait, precisionism
   	ショートヘアで白いシャツを着た女性が、白い背景、完璧な顔、人物描写、精密主義の写真のためにポーズをとっている。
   Negative Prompt	worst quality,low quality,painting,sketch,flat color,monochrome,grayscale,ugly face,bad face,bad anatomy,deformed eyes,missing fingers,acnes,skin blemishes,nsfw,nude,nipples
   	最低品質、低品質、絵画、スケッチ、単色、モノクロ、グレースケール、醜い顔、悪い顔、悪い解剖学、変形した目、指がない、ニキビ、皮膚の傷、NSFW、ヌード、乳首

   ③「Empty Latent Image」ノードの weight → 896, height → 1152
   ④「Load Image」ノードの IMAGE と「Pad Image for Outpainting」image を接続
   ⑤「Load LoRA」ノードを 2つ配置しそれぞれ「ayane_LoRA_V20」「ClearHand-V2」を指定
   ⑥「Load Checkpoint」と「CLIP Text Encode」ノードの間に「Load LoRA」ノードを直列に接続する
   
   
2. LoRA「ayane_LoRa_V20」「ClearHand-V2」
   
   
   
   ①「Run」を押して画像を生成する
   
   
   
   
3. LoRA「ClearHand-V2」
   
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：base-sdxl.json
   

更新履歴†

• 2025/11/12 初版
  

参考資料†

• ComfyUI
  
  • GitHub: comfyanonymous/ComfyUI
    
  • ComfyUI Examples
    
  • ComfyUI Wiki: ComfyUI ワークフロー例
    
  • Comfy with ComfyUI　★★★
    

• ComfyUI Custom Node Outpainting
  
  • [ComfyMaster17] アウトペインティングで、画像の枠を超える！ #ComfyUI
    
  • ComfyUI基本アウトペインティングワークフローとチュートリアル
    

• ComfyUI SDXL
  
  • 綺麗なお姉さんは好きですか? ハイクオリティな日本人女性が生成できるhaduki_mix【Stable Diffusion SDXLモデル紹介】
    
  • ComfyUIでSDXLを動かす方法！最新モデルを少ないVRAMで動かそう【Stable Diffusion XL】
    
  • ComfyUI_examples: SDXL Examples
    
  • SDXL : ComfyUI による LoRA の適用