Stable Diffusion 作为当前热门的开源文生图模型,在图像生成领域实现了显著突破。其最新版本包含大量参数,在图像质量、复杂提示理解及资源效率方面表现优异。ComfyUI 作为基于节点的工作流界面,通过可视化连接处理模块,为复杂任务(如图像重绘、视频生成、服装替换等)提供了灵活且可复现的解决方案。
本文将聚焦服装替换工作流,从原理到实践逐步解析如何获取、安装与运行 ComfyUI 工作流。
一、Stable Diffusion 与 ComfyUI 工作流基础
- 技术架构概述
Stable Diffusion 是一种扩散模型(Diffusion Model),核心原理是通过对图像逐步添加噪声再学习逆向去噪,最终实现从随机噪声生成高质量图像。ComfyUI 则通过节点化工作流解构这一过程:
- 每个节点代表一个处理模块(如提示词解析、VAE 解码、ControlNet 控制等)
- 节点间的连线定义数据流(图像、掩码、参数等)
- 工作流文件(JSON 格式)保存全流程配置,实现'一次设计,重复使用'。
- 换装技术的核心原理
服装替换依赖三大关键技术:
- 语义分割(如 SAM 模型):识别衣物区域生成精准蒙版(Mask)。Segment Anything Model(SAM)具备强大的 zero-shot 迁移能力,可精准标记上衣/下衣边界。
- 姿态控制(如 ControlNet):通过 LineArt 等模型维持人物姿态不变。
- 局部重绘(Inpainting):在蒙版区域内生成新服装并融合背景。
二、工作流获取与部署
途径 1:专业工作流社区
访问主流 ComfyUI 工作流共享平台,搜索'cloth change'或'garment replacement',下载 JSON 工作流文件。
途径 2:ComfyUI Manager
内置管理器可解决节点依赖问题:
- 在 ComfyUI 界面点击 'Manager' 按钮
- 选择 'Install Missing Custom Nodes' 自动安装缺失节点
- 通过 'Import Workflow' 导入下载的 JSON 文件
💡 提示:工作流导入后常自动提示缺失模型,点击下载链接即可补充。
三、换装工作流详解
工作流结构拆解
- 输入模特图
- SAM 分割上衣/下衣蒙版
- ControlNet 提取姿态骨架
- 局部重绘输入新上衣提示词 + 上衣蒙版
- 输入新下衣提示词 + 下衣蒙版
- 生成换上衣图
- 输出最终换装图
关键节点说明
- SAM Mask 分割
- 使用语义标签(如'sweater''skirt')指定衣物类型
- 输出蒙版精度直接影响边缘融合效果
- ControlNet 姿态控制
- 选用LineArt 或 OpenPose节点冻结人物动作
- 避免换装后肢体错位
- 重绘模块
- KS 采样器:降噪参数建议 0.6–0.8(过高丢失细节,过低融合不自然)
- 提示词工程:如'blue suit, professional texture'生成西装

