EasyKSampler (Inpainting)
节点功能：专门设计用于处理图像修复任务。
输入参数
| 参数名称 | 说明 |
|---|---|
| pipe | 上游流程的 pipe 对象，需包含图像、模型、VAE、正负向 prompt 等信息。 |
| model | 替换默认模型的可选项。 |
| mask | 自定义图像遮罩，若为空则尝试使用 pipe 中 latent 中的 noise_mask。 |
输出参数
| 参数名称 | 说明 |
|---|---|
| pipe | 处理后更新的流程上下文，包含 inpaint 结果和所有上下文。 |
| image | 解码后的 inpaint 图像，依据 mask 修复并生成的最终图。 |
| vae | 本次使用的 VAE 模块对象。 |
控件参数
| 参数名称 | 说明 |
|---|---|
| grow_mask_by | 对输入的 mask 向四周扩展的像素量，默认 6，范围 0~64。 |
| image_output | 图像输出方式，支持 Hide、Preview、Save、Hide&Save、Sender、Sender&Save。默认值为 Preview。 |
| link_id | 与前端通信使用的 ID，仅用于 Sender 模式。 |
| save_prefix | 图像保存的文件名前缀，默认 ComfyUI。 |
| additional | 选择附加修复方法。 None：不使用额外的修复模型或方法，保持原始处理状态。 InpaintModelCond：基于条件的修复模型，依据图像现有信息及设定条件（如文本提示等 ），对图像破损、缺失区域进行修复，让修复结果契合给定条件。 Differential Diffusion：利用微分扩散原理，通过对图像进行迭代的扩散和反扩散操作，逐步优化图像细节，平滑过渡修复区域与原图像，使修复效果自然。 Foocus Inpaint：专注于特定区域修复，精准定位图像需修复部分，运用特定算法填补内容，提升局部修复质量。 Foocus Inpaint + DD：结合了 Foocus Inpaint 的精准局部修复能力和 Differential Diffusion 的迭代优化特性，既精准处理局部，又让整体过渡自然。 Brushnet Random：Brushnet 模型的随机修复方式，通过随机采样或随机参数调整，对图像进行修复尝试，增加修复的多样性探索。 Brushnet Random + DD：在 Brushnet Random 随机修复基础上，引入 Differential Diffusion 迭代优化，让随机修复结果更符合图像整体特征。 Brushnet Segmentation：借助 Brushnet 模型的分割能力，先对图像进行区域分割，再针对性修复各区域，提升修复的结构性和逻辑性。 Brushnet Segmentation + DD：融合 Brushnet Segmentation 的区域分割修复优势与 Differential Diffusion 的平滑过渡能力，实现更精细、自然的图像修复。 |
| 选项 | 描述 |
|---|---|
None | 使用标准 VAEEncodeForInpaint 方式进行掩膜修复。 |
InpaintModelCond | 使用 InpaintModelConditioning 方式重编码 latent。 |
Differential Diffusion | 应用差分扩散技术优化修复质量。 |
Fooocus Inpaint | 使用 Fooocus 提供的头部和补丁对模型增强，适配掩膜。 |
Fooocus Inpaint + DD | Fooocus + Differential Diffusion 联合增强。 |
Brushnet Random | 使用随机掩膜 BrushNet 模型进行特化修复。 |
Brushnet Random + DD | Random BrushNet + 差分扩散增强。 |
Brushnet Segmentation | 使用语义分割 BrushNet 模型（更精细）。 |
Brushnet Segmentation + DD | 分割 BrushNet + 差分扩散增强。 |
这里Fooocus需要使用sdxl模型，其他则用SD15模型。一般后面+DD的效果比较好。