重拾记忆：AI 驱动的老照片修复变得简单
用 AI 让老照片重现昔日光彩！学习如何使用 ComfyUI 的工作流程，结合 ControlNet、Florence2、GFPGAN 和 R-ESRGAN 技术，恢复细节、修复面部特征并提升低分辨率图像质量。
- 使用场景
- Restoration
- 适用场景
- Restoration
- 阅读时间
- 4 分钟
工作流概览
用 AI 让老照片重现昔日光彩！学习如何使用 ComfyUI 的工作流程，结合 ControlNet、Florence2、GFPGAN 和 R-ESRGAN 技术，恢复细节、修复面部特征并提升低分辨率图像质量。
内容类型: Workflow
主要用途: Download
所需模型
- Controlnet
- Sd
所需节点
- Reactor
- Controlnet
- Upscaler
配置说明
- 打开工作流模板前，请先安装所需模型。
工作流概述
该工作流的主要目标是 自动修复和放大老照片，结合 ControlNet、Florence2、GFPGAN、超分辨率模型（R-ESRGAN_4x+）和 ReActor 换脸技术，实现对 老旧或模糊人像的清晰度提升 和 面部细节修复。
适用于：
老照片修复（模糊、划痕、低分辨率）
人脸重建（改善面部细节）
高分辨率增强（放大图像，提升质量）
核心模型
Stable Diffusion（Realistic Vision V5.1）
负责 基础图像生成，作为修复和增强的主模型。
Florence-2（microsoft/Florence-2-base）
用于 图像描述和分析，优化修复效果。
GFPGAN（GFPGANv1.4.pth）
人脸修复，改善面部模糊问题。
ReActor（inswapper_128.onnx）
智能换脸，用于精准修复人脸区域。
ControlNet（control_v11p_sd15_lineart、control_sd15_depth_anything、control_sd15_animal_openpose_fp16）
用于 边缘保持、深度感知和姿态识别，确保修复的合理性。
超分辨率模型（R-ESRGAN_4x+）
放大图片，增强最终清晰度。
关键组件（Nodes）
LoadImage（加载老照片）
读取输入的低分辨率照片。
Florence2Run（自动分析照片内容）
解析照片内容，生成详细描述。
ControlNet（边缘检测 + 深度感知 + 姿态识别）
LineArtPreprocessor 进行线稿检测。
Zoe-DepthMapPreprocessor 计算 深度信息，提升修复质量。
OpenposePreprocessor 进行 人体关键点识别，适用于全身照片修复。
CLIPTextEncode（文本提示词优化）
解析 Florence2 自动生成的 照片描述，优化修复过程。
KSampler（扩散采样器）
生成高质量的修复后图像。
VAEDecode（解码最终修复图像）
将潜空间（Latent）转换为 高清图像。
ReActorFaceSwap（智能换脸修复）
使用人脸识别技术 进行 面部精细修复。
UltimateSDUpscale（超分辨率增强）
结合 R-ESRGAN_4x+ 模型 进行 4x 放大，保证最终成品清晰度。
SaveImage（保存修复后照片）
输出最终的 高质量修复照片。
工作流结构
该工作流可分为 五个主要阶段：
1. 输入与分析
LoadImage 读取老照片。
Florence2Run 自动生成照片描述，分析 人脸、背景和清晰度问题。
2. 结构分析（ControlNet 预处理）
LineArtPreprocessor 获取 边缘信息，确保细节还原。
Zoe-DepthMapPreprocessor 获取 深度信息，避免图像平面化。
OpenposePreprocessor 识别人像的 姿态关键点，修复整体形状。
3. 生成高清图像
CLIPTextEncode 解析文本描述，调整修复方向。
KSampler 进行图像扩散，修复并提升清晰度。
VAEDecode 还原可视化图像。
4. 人脸修复
ReActorFaceSwap 结合 GFPGAN 和 FaceSwap 修复 人脸模糊区域。
5. 放大 & 输出
UltimateSDUpscale 采用 R-ESRGAN_4x+ 进行高清放大。
SaveImage 存储最终的 高质量修复照片。
输入与输出
输入参数
低分辨率老照片
Florence2 自动分析的文本描述
ControlNet 预处理（边缘、深度、姿态）
面部修复（GFPGAN + FaceSwap）
输出
高清修复后的照片
人脸重建与增强
最终的 4K 级别照片
注意事项
性能要求
由于涉及 ControlNet、GFPGAN 和超分辨率，建议 使用 RTX 3090 及以上 GPU，以保证较快的处理速度。
错误排查
如果修复效果不理想，可调整：
Florence2 的文本描述，优化生成过程。
KSampler 的扩散步数（Steps），提高细节精度。
如果面部失真，可以调整 ReActorFaceSwap 的人脸匹配权重。
兼容性
适用于 ComfyUI 0.4+ 版本，部分组件可能需要 ComfyUI-Manager 安装。