ComfyUI 研究 - 多人構圖（二）

接續著前篇，接著我要使用圖生圖的方式去達成多人構圖的目的，本篇會使用幾種圖生圖的工作流去測試。

unCLIP 圖片提示詞

unCLIP是ComfyUI官方提供的一種圖片提示詞處理方式，可以在下面網址獲取工作流，因為需要額外下載模型，而且有其他更好用的節點如IPAdapter，所以不太常看到網友用這個工作流。

這個測試流程是用Copilot的Image Creator生成一張類似電影海報的圖片，提示詞如下：

電影海報風格，勇者小隊出動，中古世紀奇幻風格，魔法師，精靈，矮人，戰士，僧侶。

再挑選其中一張來做為來源圖片測試。

unCLIP因為基底模型的關係，用來繪製人像題材效果不會很好，畫人像以外的效果較佳，同時生成圖像品質也會受到圖像尺寸影響畫質，使用512*512跟1024*1024生成的圖片品質差異很大。

下圖是來源圖片跟生成圖片的比較，左邊是來源圖片，右邊是生成圖片。

unCLIP的作用其實是提取圖片元素再輸出到Conditioning，在512*512的圖像尺寸中可以比單純文字提示詞容易生成多人構圖，但是因為會受到畫面元素的交互影響，所以生成的圖片會混雜所有來源圖片的元素，有種汙染的感覺。

這個工作流可以做為圖生圖的草稿使用。

img2img 圖生圖

將上個步驟生成的圖片做為來源圖片丟進圖生圖工作流中。

生成的圖片比較如下圖。

經過圖生圖工作流生成的圖片，除了風格受到選用模型的影響外，可以看到構圖跟來源圖片差不多。

圖生圖工作流在風格轉換上只要切換模型就可以達成，只是構圖受到來源圖片限制，過高的denoise值又會與原圖差異過大，甚至變成單人圖片。

下圖分別為denoise=0.6跟denoise=1的比較圖，可以明顯看出差異。

IPAdapter 應用

IPAdapter的工作流可以參考這篇ComfyUI 研究 - IPAdapter 簡介。

本篇測試使用的依然是最基本的IPAdapter工作流，來源圖片一樣使用Coplilot生成的圖片。

來源圖片與生成的圖片比較如下。

在這個測試中生成圖片尺寸是512*512，已經可以生成多人構圖，而且有參考到來源圖片的元素，所以想要生成小尺寸圖片的多人構圖，使用IPAdapter比上面兩個方法更加容易。

小結

本篇測試使用的是"單純"的圖生圖工作流，很大程度受到來源圖片的元素、構圖、色彩影響，測試時只有加入品質控制用的文字提示詞，減少添加其他元素進到生成圖片中。

因此本篇的方法比較適合用在生成與來源圖片具備類似元素的圖片，同時將風格轉換成選用的模型。

但是回過頭來思考一開始的目的：生成多人構圖圖片，並讓生成的圖片更加可控。

所以使用單純的圖生圖顯然是不夠的！

下篇，將應用Controlnet來增加可控性。