手部修复工作流：在低显存条件下提升AI图像质量
低显存修复AI图像中的手部变形 | 学习如何通过手部定位、局部修复与无缝融合的工作流，结合 Flux 模型与深度学习技术，修复AI生成图像中的扭曲手部。
- 模型
- Flux
- 显存
- 低显存（≤8GB）
- 阅读时间
- 4 分钟
工作流概览
低显存修复AI图像中的手部变形 | 学习如何通过手部定位、局部修复与无缝融合的工作流，结合 Flux 模型与深度学习技术，修复AI生成图像中的扭曲手部。
内容类型: Workflow
主要用途: Download
所需模型
- Flux
配置说明
- 打开工作流模板前，请先安装所需模型。
- 推荐硬件：低显存（≤8GB）。
1. 工作流概述
该工作流专为修复AI生成图像中的畸形手部设计，具有低显存消耗的特点。核心功能包括：
手部区域定位：通过遮罩精准标记需修复的手部区域。
局部重绘优化：结合深度学习和Flux模型，针对性修复手部细节。
智能融合：确保修复后的手部与原图自然过渡。
核心模型：
基础模型：
基础算法_F.1（UNET架构，通用图像生成）。Flux模型：通过
DualCLIPLoader加载，优化手部细节生成。辅助工具：
SegmentAnythingUltra V2（自动分割手部区域）。
2. 关键组件与安装
组件 | 功能 | 安装方式 |
|---|---|---|
InpaintResize | 调整输入图像和遮罩尺寸，适配修复区域。 | 内置节点，无需安装。 |
GrowMaskWithBlur | 扩展遮罩边缘并模糊，避免修复后边界生硬。 | 需安装插件 |
SegmentAnythingUltra V2 | 自动分割手部区域生成遮罩。 | 安装插件 |
BasicGuider | 结合Flux模型优化生成条件，专注手部细节。 | 内置节点。 |
SamplerCustomAdvanced | 自定义采样器，控制修复过程的噪点和细节。 | 内置节点。 |
特殊依赖：
Flux模型需通过
DualCLIPLoader加载，选择t5xxl_fp8_e4m3fn版本。VAE模型
ae.sft需放入models/vae文件夹。
3. 工作流结构
Group 1: 输入与预处理
输入：带手部缺陷的原始图像（如
clipspace-mask-175661.png）和手部遮罩。处理：
LoadImage加载图像和遮罩。InpaintResize调整图像和遮罩至合适尺寸（如1536x1536）。LayerUtility: ImageRemoveAlpha移除透明通道，确保兼容性。
Group 2: 手部修复生成
输入：预处理后的图像、遮罩、提示词（如“perfect hand”）。
处理：
InpaintCrop裁剪手部区域，减少计算量。BasicGuider结合Flux模型优化生成条件。SamplerCustomAdvanced使用Euler采样器生成修复后的潜变量图像。
Group 3: 融合与输出
输入：修复后的手部图像、原始图像、遮罩。
处理：
InpaintStitch将修复区域无缝融合到原图。SaveImage保存最终结果（文件名含时间戳，如修手_20240513_142301.png）。
4. 输入与输出
输入参数：
图像：需提供包含手部的图片，建议分辨率≥800x800。
遮罩：精确标记手部缺陷区域（黑白遮罩）。
提示词：简单描述目标效果（如“perfect hand”）。
输出结果：
修复后的PNG图像，保存在
flux/日期/时间_修手.png路径。
5. 注意事项
显存优化：
工作流已针对低显存设备优化，但建议≥6GB显存。
可降低
InpaintResize的输出分辨率（如1024x1024）以进一步节省资源。
遮罩精度：
若自动分割不准确，需手动绘制遮罩，确保完全覆盖缺陷区域。
模型兼容性：
Flux模型需与基础算法版本匹配，否则可能报错。
调试建议：
调整
GrowMaskWithBlur的扩展像素（默认30）和模糊强度（默认0.1）以改善边缘融合效果。