ComfyUI Inpaint Nodes插件
这是一款用于 SDXL 的 Inpaint 插件。我们在使用内部重绘时，需要相应的 Inpaint 模型。但喜欢的模型并不一定有训练内部重绘版本，虽然融合 Inpaint 模型并不难，但一个 SDXL 就近 7 个G，太占用硬盘。而这个插件可以使用常规的文生图模型用于内部重绘，而不需要单独训练Inpaint版本。
插件
插件地址：https://github.com/Acly/comfyui-inpaint-nodes
路径：新建节点->局部重绘
特点：
仅支持SDXL模型。
已集成到了Krita中，可以在krita中使用。
说明：使用该插件的内部重绘与原生内部重绘不同之处在于，采样器的 denoise 要设置为 1。该插件可以让我们自由的选择模型来内部重绘，也节省了硬盘。但从使用经验看，它插件并不能明显提升重绘质量。
节点
一、VAE编码局部重绘条件（VAE Encode & Inpaint Conditioning）节点
节点功能：这个节点是ComfyUl原始库中VAE内补编码器(VAE Encode ForInpaint)的替代方案，并且比原始的inpaint更有效果，它与同时使用VAE内补编码器和内补模型条件(InpaintModelConditioning)相同，相当于两者的合并，但是对硬件资源的消耗更少。
输入:
positive： 正向条件信息
negative： 负面条件信息
vae：传入vae模型
pixels： 传入的图像信息
mask：重绘区域的蒙版信息
输出:
positive：正向条件信息
negative：负面条件信息
latent inpaint：修复图像的潜在向量，输出的是对原图初步的灰度填充，让重绘区域没有内容，需要配合我们下面的Apply Fooocus model一起使用，将我们的SDXL的模型集合成能够完成我们Inpaint功能的一种重绘模型。
latent_samples：潜在样本，输出的是需要重绘的那张底图，这样可以给重绘提供一定的参考价值
作用：
latent_inpaint需要传递给Apply Fooocus Inpaint节点用来将模型转换为inpaint模型，在github地址可以看到作者说"这不允许遮罩区域中存在现有内容"，所以说需要对蒙版区域进行内容遮盖，否则会导致生图受原图内容的影响，latent_samples将用于传递给ksampler完成局部重绘保证边缘的融合程度。
二、应用Fooocus局部重绘（Apply Fooocus Inpaint）/加载Fooocus局部重绘（INPAINT_LoadFooocusInpaint）节点
应用Fooocus局部重绘
节点功能：这个节点用来将Fooocus模型应用到修复过程中。
输入:
model：大模型的数据流（必须是SDXL模型，且必须是未经加速的模型，否则会导致提示词不起作用）
patch：修复补丁
latent：潜变量
输出:
MODEL：大模型数据流
作用：
该节点会把patch结合到model上，然后将我们的model转化成拥有重绘功能，或者说重绘功能更强大的一款模型，然后最后进行一个输出。用于解决边缘不融合以及透视的关系。
加载Fooocus局部重绘
输出：局部重绘组件接入到上面节点的局部重绘组件（Patch）
参数：两者都固定加载 fooocus_inpaint_head.pth 和 inpaint_v26.fooocus.patch 模型。
三、遮罩填充（Fill Masked Area）节点
节点功能：这个节点是对蒙版区域进行预先填充，使用三种不同的填充方式。
输入:
image：图像
mask：掩码
输出:
IMAGE：图像
参数:
fill：填充方法，有三种
falloff：衰减
四、遮罩模糊（INPAINT_MaskedBlur）节点
节点功能：这个节点类似于imageblur节点，将蒙版区域进行模糊操作。
输入:
image：图像
mask：掩码
输出:
IMAGE：图像
参数:
blur：模糊数值
falloff：衰减数值（类似于羽化）
五、降噪到合成遮罩（Denoise to Compositing Mask）节点
节点功能：这个节点是对蒙版值得范围进行归一化处理(可以不必学)。
输入
mask：蒙版信息
输出
MASK：蒙版
参数
offset：偏移
threshold：阈值
注意: offset的值必须严格小于threshold，不然会报错
六、加载局部重绘模型（INPAINT_LoadInpaintModel）/ 使用模型局部重绘（INPAINT_InpaintWithModel）节点
节点功能：这两个节点，第一个节点是加在inpaint模型，注意选择big_lama，不要选择fooocus模型，inpaint(using Model)节点用来对图像进行填充，使用模型进行像素点计算然后填充。
输入:
inpaint_model：修复模型
image：图像
optional_upscale_model：可选的模型
参数:
mask：蒙版
seed：种子
输出:
IMAGE：图像