LanPaint 使用教程

LanPaint 使用教程

LanPaint High quality training free inpaint for every stable diffusion model. 项目地址: https://gitcode.com/gh_mirrors/la/LanPaint

1. 项目介绍

LanPaint 是一个开源项目，提供了一种无需额外训练即可实现高质量图像修复的方法。它基于扩散模型，通过引入双向对齐机制，在遮罩区域和非遮罩区域之间进行迭代评估和更新，以生成连贯且准确的新内容。LanPaint 支持与多种模型集成，包括 SD 模型、Flux 模型以及自定义模型。

2. 项目快速启动

安装 ComfyUI

首先，根据官方文档安装 ComfyUI。确保你的 ComfyUI 版本大于 0.3.11。

安装 LanPaint 节点

• 通过 ComfyUI-Manager 安装：在管理器中搜索 "LanPaint" 并直接安装。
• 手动安装：在 ComfyUI-Manager 中点击 "通过 Git URL 安装"，输入以下 GitHub 仓库链接：

  https://github.com/scraed/LanPaint.git
  

  或者将仓库克隆到 ComfyUI 的 custom_nodes 文件夹中。

重启 ComfyUI

重启 ComfyUI 以加载 LanPaint 节点。安装完成后，你可以在 ComfyUI 的 "sampling" 分类下找到 LanPaint 节点。

使用 LanPaint 节点

使用 LanPaint KSampler 节点替换默认的 KSampler 节点。图像修复的工作流程与 SetLatentNoiseMask 相同。

确保你的遮罩是二值的（值为 0 或 1），没有透明度或平滑处理。在遮罩编辑器中将遮罩的透明度和硬度设置为最大值。LanPaint 会自动将带有平滑或渐变的遮罩转换为二值遮罩。

LanPaint 依赖于你的文本提示来指导修复过程，明确描述你希望在遮罩区域内生成的内容。如果结果出现伪影或不匹配的元素，可以通过针对性的负提示来抵消。

基本采样器设置

• 步骤：建议大于 50 步
• LanPaint NumSteps：建议大部分任务使用 5
• LanPaint EndSigma：建议真实风格使用 0.6（基于 Juggernaut-xl 测试），动漫风格使用 3.0（基于 Animagine XL 4.0 测试）

默认设置基于 Animagine XL 4.0 和 Juggernaut-xl 进行测试。其他模型可能需要一些参数调整。

3. 应用案例和最佳实践

以下是一些应用案例，展示了 LanPaint 在不同场景下的修复效果：

• 案例 1：篮子到篮球
• 案例 2：白色衬衫到蓝色衬衫
• 案例 3：微笑到大哭
• 案例 4：破损修复
• 案例 5：巨大破损修复
• 案例 6：角色一致性（侧视图生成）
• 案例 7：Flux 模型修复

在应用案例中，你可以通过查看工作流程和遮罩来了解具体的操作步骤。

4. 典型生态项目

LanPaint 可以与以下生态项目结合使用，以扩展其功能：

• ComfyUI：图形用户界面，用于加载模型和设置参数。
• ComfyUI-Manager：插件管理器，用于安装和更新节点。
• 其他图像处理工具：如 Photoshop，用于强调角色特征等。

通过这些典型生态项目的结合使用，可以进一步提高 LanPaint 的应用范围和修复质量。

LanPaint High quality training free inpaint for every stable diffusion model. 项目地址: https://gitcode.com/gh_mirrors/la/LanPaint