模板概述
工作流结构
节点流程图(Mermaid)
graph TD
A[CheckpointLoaderSimple] -->|MODEL| B[KSampler]
A -->|CLIP| C[CLIPTextEncode]
A -->|CLIP| D[CLIPTextEncode]
A -->|VAE| E[VAEDecode]
C -->|CONDITIONING| B
D -->|CONDITIONING| B
F[LoadImage] -->|IMAGE| G[VAEEncode]
F -->|MASK| G
G -->|LATENT| B
B -->|LATENT| E
E -->|IMAGE| H[SaveImage]
style A fill:#e1f5ff
style B fill:#fff4e1
style C fill:#ffe1f5
style D fill:#ffe1f5
style E fill:#e1ffe1
style F fill:#e1ffe1
style G fill:#e1ffe1
style H fill:#ffe1e1
物体移除流程
graph LR
A[输入图像] --> B[创建物体掩码]
B --> C[采样移除]
C --> D[VAE解码]
D --> E[移除后图像]
style A fill:#e1ffe1
style B fill:#fff4e1
style C fill:#fff4e1
style D fill:#fff4e1
style E fill:#fff4e1
节点配置
1. CheckpointLoaderSimple
{
"inputs": {
"ckpt_name": "v1-5-pruned-emaonly.ckpt"
},
"class_type": "CheckpointLoaderSimple"
}
2. LoadImage
{
"inputs": {
"image": "input.png"
},
"class_type": "LoadImage"
}
3. VAEEncode
{
"inputs": {
"pixels": ["2", 0],
"vae": ["1", 2],
"for_mask": ["2", 1]
},
"class_type": "VAEEncode"
}
4. CLIPTextEncode (正向)
{
"inputs": {
"text": "background, natural, seamless, detailed",
"clip": ["1", 1]
},
"class_type": "CLIPTextEncode"
}
5. CLIPTextEncode (负向)
{
"inputs": {
"text": "object, person, animal, blurry, low quality",
"clip": ["1", 1]
},
"class_type": "CLIPTextEncode"
}
6. KSampler
{
"inputs": {
"seed": 123456789,
"steps": 30,
"cfg": 8.0,
"sampler_name": "dpmpp_2m",
"scheduler": "karras",
"denoise": 0.5,
"model": ["1", 0],
"positive": ["4", 0],
"negative": ["5", 0],
"latent_image": ["3", 0]
},
"class_type": "KSampler"
}
7. VAEDecode
{
"inputs": {
"samples": ["6", 0],
"vae": ["1", 2]
},
"class_type": "VAEDecode"
}
8. SaveImage
{
"inputs": {
"filename_prefix": "remove_object_",
"images": ["7", 0]
},
"class_type": "SaveImage"
}
完整工作流JSON
{
"1": {
"inputs": {
"ckpt_name": "v1-5-pruned-emaonly.ckpt"
},
"class_type": "CheckpointLoaderSimple"
},
"2": {
"inputs": {
"image": "input.png"
},
"class_type": "LoadImage"
},
"3": {
"inputs": {
"pixels": ["2", 0],
"vae": ["1", 2],
"for_mask": ["2", 1]
},
"class_type": "VAEEncode"
},
"4": {
"inputs": {
"text": "background, natural, seamless, detailed",
"clip": ["1", 1]
},
"class_type": "CLIPTextEncode"
},
"5": {
"inputs": {
"text": "object, person, animal, blurry, low quality",
"clip": ["1", 1]
},
"class_type": "CLIPTextEncode"
},
"6": {
"inputs": {
"seed": 123456789,
"steps": 30,
"cfg": 8.0,
"sampler_name": "dpmpp_2m",
"scheduler": "karras",
"denoise": 0.5,
"model": ["1", 0],
"positive": ["4", 0],
"negative": ["5", 0],
"latent_image": ["3", 0]
},
"class_type": "KSampler"
},
"7": {
"inputs": {
"samples": ["6", 0],
"vae": ["1", 2]
},
"class_type": "VAEDecode"
},
"8": {
"inputs": {
"filename_prefix": "remove_object_",
"images": ["7", 0]
},
"class_type": "SaveImage"
}
}
掩码创建
物体掩码
graph TD
A[物体掩码] --> B[标记物体]
A --> C[扩展边界]
A --> D[羽化边缘]
B --> B1[精确标记]
C --> C1[覆盖边缘]
D --> D1[平滑过渡]
style A fill:#e1f5ff
style B fill:#fff4e1
style C fill:#ffe1f5
style D fill:#e1ffe1
掩码创建步骤
graph LR
A[打开图像] --> B[选择物体]
B --> C[创建掩码]
C --> D[扩展边界]
D --> E[羽化边缘]
E --> F[保存掩码]
style A fill:#e1ffe1
style B fill:#fff4e1
style C fill:#fff4e1
style D fill:#fff4e1
style E fill:#fff4e1
style F fill:#fff4e1
提示词设置
正向提示词
background, natural, seamless, detailed, high quality
负向提示词
object, person, animal, blurry, low quality, ugly
参数说明
物体移除参数
graph TD
A[物体移除] --> B[denoise=0.5]
A --> C[steps=30]
A --> D[cfg=8.0]
A --> E[sampler=dpmpp_2m]
style A fill:#e1f5ff
style B fill:#fff4e1
style C fill:#ffe1f5
style D fill:#e1ffe1
style E fill:#ffe1e1
使用步骤
移除流程
graph LR
A[准备图像] --> B[创建物体掩码]
B --> C[设置背景提示词]
C --> D[执行移除]
D --> E[查看结果]
style A fill:#e1ffe1
style B fill:#fff4e1
style C fill:#fff4e1
style D fill:#fff4e1
style E fill:#fff4e1
示例结果
示例1: 移除人物
- 输入: 包含人物的风景照片
- 掩码: 标记人物区域
- 提示词: background, natural, seamless
- denoise: 0.5
- 结果: 人物被移除,背景自然填充
示例2: 移除物体
- 输入: 包含不需要物体的图像
- 掩码: 标记物体区域
- 提示词: background, detailed
- denoise: 0.6
- 结果: 物体被移除
常见问题
Q1: 物体移除不干净?
A: 扩大掩码区域,增加denoise值,改进提示词。
Q2: 背景不自然?
A: 使用更自然的背景提示词,降低denoise值。
Q3: 有明显边界?
A: 羽化掩码边缘,扩展掩码区域。
Q4: 可以移除多个物体?
A: 可以,创建包含所有物体的掩码。
Q5: 如何提高质量?
A: 增加steps,使用高质量采样器,改进提示词。
相关模板
更新日志
- 2026-01-26: 初始版本创建