leepoet

标签： 图片修复

  • ComfyUI-HYPIR节点：LeePoet力推基于SD2.1图像超清修复放大

    我是LeePoet。今天给大家推荐一款我最近深度体验的ComfyUI节点——ComfyUI-HYPIR，这是一个基于HYPIR项目开发的图像修复工具，专门针对SD2.1模型进行了优化，能够实现高质量的图像修复和超分辨率放大。该技术基于扩散模型生成的分数先验进行图像修复与放大，具有高质量、清晰、锐利的效果。

    💡 为什么选择HYPIR？

    HYPIR（Harnessing Diffusion-Yielded Score Priors for Image Restoration）是一个利用扩散模型得分先验进行图像修复的先进技术。相比传统的ESRGAN放大方式，HYPIR在细节保留和伪影控制方面表现更出色，特别适合处理模糊、噪点严重的图像。

    🎯 适用场景

    ComfyUI-HYPIR几乎覆盖了所有图像修复需求：

    • 老照片修复：将模糊的老照片恢复到高清状态
    • 商品图优化：电商产品图放大后依然保持清晰细节
    • 动漫/游戏素材：二次元图片放大后线条清晰，色彩饱满
    • 人像写真：针对人像照片进行专项优化，面部细节更自然
    • 风景照片：自然风光放大后远景细节依然丰富

    HYPIR可在GitHub上找到，推荐使用其ComfyUI插件实现，模型需下载并放置于ComfyUI的models文件夹中。操作流程包括单张图片上传、设置放大倍数（支持1-8倍，推荐2-4倍），并通过HYPIR Advanced节点进行处理。放大前后对比，HYPIR在不改变原图结构的前提下显著提升清晰度。此外，支持批量处理，通过设置路径和数量实现多图自动放大。参数方面，coeff值（默认100，可调至500）影响修复强度，数值越高重绘幅度越大，适用于AI生成图像的增强处理。整体流程稳定、操作简便，建议替代旧有放大方法。

    开源地址：https://github.com/11dogzi/Comfyui-HYPIR

    这是一个用于 HYPIR（利用扩散得分先验进行图像修复） 的 ComfyUI 插件，HYPIR 是基于 Stable Diffusion 2.1 的先进图像修复模型。

    功能特性

    • 图像修复：利用扩散先验修复和增强低质量图像
    • 批量处理：一次处理多张图片
    • 高级控制：可微调模型参数以获得最佳效果
    • 模型管理：高效加载和复用 HYPIR 模型
    • 放大功能：内置放大功能（1x 到 8x）

    安装方法

    1. 安装插件

    将本文件夹放入 ComfyUI 的 custom_nodes 目录下：ComfyUI/custom_nodes/Comfyui-HYPIR/

    2. 安装 HYPIR 依赖

    进入 HYPIR 文件夹并安装所需依赖：

    cd ComfyUI/custom_nodes/Comfyui-HYPIR/HYPIR
pip install -r requirements.txt

    3. 模型下载（自动）

    插件首次使用时会自动下载所需模型：

    HYPIR 模型

    修复模型将下载到：ComfyUI/models/HYPIR/HYPIR_sd2.pth

    基础模型（Stable Diffusion 2.1）

    基础 Stable Diffusion 2.1 模型将在需要时自动下载到：ComfyUI/models/HYPIR/stable-diffusion-2-1-base/

    手动下载（可选）：

    HYPIR 模型：如果你希望手动下载，可以从以下地址获取 HYPIR 模型：

    请将 HYPIR_sd2.pth 文件放在以下任一位置：

    • 插件目录：ComfyUI/custom_nodes/Comfyui-HYPIR/
    • ComfyUI 模型目录：ComfyUI/models/checkpoints/
    • 或让插件自动管理，放在 ComfyUI/models/HYPIR/

    基础模型： 基础 Stable Diffusion 2.1 模型可从以下地址手动下载：

    请将基础模型放在：ComfyUI/models/HYPIR/stable-diffusion-2-1-base/

     注意： 插件会优先在 HYPIR 目录下查找基础模型，如未找到会自动从 HuggingFace 下载。

    使用方法

    高级图像修复

    1. 添加 HYPIR Advanced Restoration 节点
    2. 此节点提供更多参数控制：
      • model_t：模型步数（默认200）
      • coeff_t：系数步数（默认200）
      • lora_rank：LoRA 阶数（默认256）
      • patch_size：处理块大小（默认512）

    配置

    你可以在 hypir_config.py 中修改默认设置：

    HYPIR_CONFIG = {
    "default_weight_path": "HYPIR_sd2.pth",
    "default_base_model_path": "stable-diffusion-2-1-base",
    "available_base_models": ["stable-diffusion-2-1-base"],
    "model_t": 200,
    "coeff_t": 200,
    "lora_rank": 256,
    # ... more settings
}

    模型路径管理

    插件包含智能模型路径管理：

    • HYPIR 模型：自动下载到 ComfyUI/models/HYPIR/HYPIR_sd2.pth
    • 基础模型：需要时自动下载到 ComfyUI/models/HYPIR/stable-diffusion-2-1-base/
    • 本地优先：插件会优先查找本地模型
    • 自动下载：仅在本地未找到模型时才下载

    最佳效果小贴士

    1. 提示词：使用与图片内容相符的描述性提示词
      • 人像：”high quality portrait, detailed face, sharp features”
      • 风景：”high quality landscape, detailed scenery, sharp focus”
      • 通用：”high quality, detailed, sharp, clear”
    2. 放大：
      • 1x 表示仅修复不放大
      • 2x-4x 适合中等放大
      • 8x 为最大放大（速度较慢）
    3. 参数：
      • model_t 越高（200-500）修复越强
      • coeff_t 越高（200-500）增强越明显
      • lora_rank 越高（256-512）质量越好（占用更多内存）
    4. 内存管理：
      • 如遇内存不足可用较小的 patch_size（256-512）
      • 分批处理图片
      • 使用模型加载器节点避免重复加载模型

    配置

    你可以在 hypir_config.py 中修改默认设置：

    HYPIR_CONFIG = {
    "default_weight_path": "HYPIR_sd2.pth",
    "default_base_model_path": "stable-diffusion-2-1-base",
    "available_base_models": ["stable-diffusion-2-1-base"],
    "model_t": 200,
    "coeff_t": 200,
    "lora_rank": 256,
    # ... more settings
}

    模型路径管理

    The plugin includes intelligent model path management: 插件包含智能模型路径管理：

    • HYPIR Model: Automatically downloaded to ComfyUI/models/HYPIR/HYPIR_sd2.pth
    • HYPIR 模型：自动下载到 ComfyUI/models/HYPIR/HYPIR_sd2.pth
    • Base Model: Automatically downloaded to ComfyUI/models/HYPIR/stable-diffusion-2-1-base/ when needed
    • 基础模型：需要时自动下载到 ComfyUI/models/HYPIR/stable-diffusion-2-1-base/
    • Local Priority: The plugin checks for local models first before downloading
    • 本地优先：插件会优先查找本地模型
    • Automatic Download: Only downloads when models are not found locally
    • 自动下载：仅在本地未找到模型时才下载

    最佳效果小贴士

    使用模型加载器节点避免重复加载模型

    提示词：使用与图片内容相符的描述性提示词

    人像：”high quality portrait, detailed face, sharp features”

    风景：”high quality landscape, detailed scenery, sharp focus”

    通用：”high quality, detailed, sharp, clear”

    放大：

    1x 表示仅修复不放大

    2x-4x 适合中等放大

    8x 为最大放大（速度较慢）

    参数：

    model_t 越高（200-500）修复越强

    coeff_t 越高（200-500）增强越明显

    lora_rank 越高（256-512）质量越好（占用更多内存）

    内存管理：

    如遇内存不足可用较小的 patch_size（256-512）

    分批处理图片

    常见问题

    1. 导入错误：请确保已安装 HYPIR 依赖cd HYPIR pip install -r requirements.txt
    2. 模型未找到：插件会自动下载缺失的模型
      • 检查网络连接以便自动下载
      • HYPIR 模型：将 HYPIR_sd2.pth 放在插件目录或 ComfyUI 模型目录
      • 基础模型：将 stable-diffusion-2-1-base 文件夹放在 ComfyUI/models/HYPIR/
      • 插件会自动检查并下载缺失模型

    实操：

    1.先到https://github.com/11dogzi/Comfyui-HYPIR的仓库直接复制插件仓库地址

    2.进入本地的.\ComfyUI\custom_nodes目录，右链git bash拉取仓库

    3.启动COMFYUI，通过启动器先拉取HYPIR所需要的库并启动到UI

    4.打开huggingface.co,直接使用国内镜像源：https://huggingface.1319lm.top/lxq007/HYPIR/tree/main，复制HYPIR的GIT仓库

    5.下载HYPIR修复模型，进入.\ComfyUI\models，右键打开git bash，魔法就使用国内镜像源GIT

    6.下载stable-diffusion-2-1-base模型，先进入https://huggingface.1319lm.top/Manojb/stable-diffusion-2-1-base/tree/main，把以下红框框住的都手动下载，因为很多都是重复的一样的模型，只是后缀不一样。我们只需要下一个就行。所以这里不能直接GIT整个仓库。

    额外说明：text_encoder、unet、vae都只需要下一个模型即可，如果是FP16的，下载到本地后记得把FP16的字去掉，这样才会被节点识别。

    7.下载完所有模型后，重新启动COMFYUI

    当然，SD放大的模型与技术有很多，可以说都各有千秋，非要说哪几个最好用，只有等LEEPOET闲来有空再给大家介绍，总而言之ComfyUI-HYPIR是一款功能强大、操作简单的图像修复工具，特别适合需要高质量图像放大的用户。无论是老照片修复、商品图优化还是人像写真处理，都能获得令人满意的效果。如果你正在寻找一款稳定、高效的图像超清修复工具，ComfyUI-HYPIR绝对值得一试。我已经将它作为我的主力图像修复工具，强烈推荐给大家！

    相关文章：

    ComfyUI-GGUF-VLM 结合 llama.cpp GPU 加速：实现图像反推秒级效率

    Custom_Nodes篇:ComfyUI-QwenVL反推节点

    Custom_Nodes篇:ComfyUI-QwenVL3-image反推节点

    Stablediffusion的放大算法解析：图片高清修复放大相关说明

    环境篇：加载ComfyUI出现WARNING: Failed to find MSVC解决方案