今天展示的案例是一个基于Flux 局部重绘的 ComfyUI 工作流，主要用于修复图像缺失区域。通过加载预训练的填充模型与图像输入遮罩，该工作流能够智能地对缺损部分进行内容补全与风格一致的还原，生成的结果在细节与整体氛围上都与原图保持高度契合。这一流程特别适用于老照片修复、局部遮挡图像的重建以及创意性场景拓展。结合演示效果，读者能够直观理解整个流程如何从输入图像与掩码开始，到最终输出自然完整的画面。文章目录工作流介绍核心模型Node节点工作流程大模型应用CLIPTextEncode 文本语义嵌入生成CLIPTextEncode (Negative Prompt) 负向语义控制FluxGuidance 文本嵌入调控使用方法应用场景开发与应用工作流介绍该工作流基于Flux Fill Inpainting 模型，通过图像加载、文本条件编码、掩码处理和潜空间采样等环节完成缺失区域的修复。核心思想是利用 VAE 进行潜空间的图像表示，再结合 UNet 与 Flux 指导机制进行生成采样，最终输出与原始图像风格匹配的修复结果。整体设计兼顾灵活性与精细度，用户既可以通过文本提示控制生成内容，也能依靠掩码实现精确的局部修复。核心模型核心模型在工作流中承担了不同层面的功能，其中 VAE 负责图像潜空间的表示与解码，UNet 填充模型专注于缺失区域的推理修复，而 CLIP 与 T5 文本编码器则提供语义条件引导。它们相互配合，使得生成结果既遵循图像整体逻辑，又能根据提示细化细节。模型名称说明ae.safetensorsVAE 模型，用于图像的潜空间编码与解码，保证输出与输入的风格一致性。flux1-fill-dev.safetensorsFlux Inpainting 专用模型，针对缺失区域进行修复与内容填充。 【ComfyUI】Flux 局部重绘
今天展示的案例是一个基于Flux 局部重绘的 ComfyUI 工作流，主要用于修复图像缺失区域。通过加载预训练的填充模型与图像输入遮罩，该工作流能够智能地对缺损部分进行内容补全与风格一致的还原，生成的结果在细节与整体氛围上都与原图保持高度契合。这一流程特别适用于老照片修复、局部遮挡图像的重建以及创意性场景拓展。结合演示效果，读者能够直观理解整个流程如何从输入图像与掩码开始，到最终输出自然完整的画面。文章目录工作流介绍核心模型Node节点工作流程大模型应用CLIPTextEncode 文本语义嵌入生成CLIPTextEncode (Negative Prompt) 负向语义控制FluxGuidance 文本嵌入调控使用方法应用场景开发与应用工作流介绍该工作流基于Flux Fill Inpainting 模型，通过图像加载、文本条件编码、掩码处理和潜空间采样等环节完成缺失区域的修复。核心思想是利用 VAE 进行潜空间的图像表示，再结合 UNet 与 Flux 指导机制进行生成采样，最终输出与原始图像风格匹配的修复结果。整体设计兼顾灵活性与精细度，用户既可以通过文本提示控制生成内容，也能依靠掩码实现精确的局部修复。核心模型核心模型在工作流中承担了不同层面的功能，其中 VAE 负责图像潜空间的表示与解码，UNet 填充模型专注于缺失区域的推理修复，而 CLIP 与 T5 文本编码器则提供语义条件引导。它们相互配合，使得生成结果既遵循图像整体逻辑，又能根据提示细化细节。模型名称说明ae.safetensorsVAE 模型，用于图像的潜空间编码与解码，保证输出与输入的风格一致性。flux1-fill-dev.safetensorsFlux Inpainting 专用模型，针对缺失区域进行修复与内容填充。 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
