前言

前一段时间，阿里发布了的 In-Context-LoRA，可以生成多张图像一致性的图片，火爆一时。

最近开源社区的汤团猪大佬也是受到 In-Context-LoRA 的启发，开发了一款高效并且有惊人一致性的服装迁移工作流，可以实现参考服装的一致性迁移。

不过听雨试了下，迁移效果确实是很不错，不过可能是数据集的问题，针对某些服装或者是简单的服装的迁移效果很好，复杂一些的或者数据集之外的衣服的效果可能就没有那么准确。

所有的AI设计工具，安装包、模型和插件，都已经整理好了，👇获取~

不过当前只是初版，后续还有优化迭代。

好了，话不多说，我们直接开整。

我们先来看下效果，左边是输入的参考服装，右边是迁移服装以后的模特图。

简单服装的一致性保持的还是很不错的，不过这种密集的图案不一样也不太看的出来。

带文字的服装的迁移效果也很不错，不知道是不是因为在数据集的原因。

我们来看看复杂一些的服装图案，第一眼看一致性挺高的，再仔细看的话，颜色上会有一些出入。

下边这件衣服也是，虽然保持了大部分的元素的一致性，但是细节的地方还是可以看出有一些不一致的。

不看细节的话，整体的迁移效果还是很不错的。

虽然细节上会有一些出入，不过如果对细节的要求不是很高，只要求大致的一致性的话，还是很不错的。

好了，接下来，我们来看看具体如何使用，这个工作流是基于 Flux 模型搭建的，还有专门训练的 In-Context-LoRA 的服装模型。

除此之外，还需要下载对应的插件：

https://github.com/TTPlanetPig/Comfyui_Object_Migration

Lora 模型在插件主页里有，听雨也会放在文末的网盘里，需要的小伙伴自取。

工作流稍微有点复杂，听雨这边就拆开了大致介绍一下。

下边模块主要是上传服装，然后分离我需要的部分元素，比如这里我们只需要服装，可以排除复杂元素的影响，因为我们后续需要对服装进行反推。

这里有两个忽略的节点，如果不想要最终生成的图片有背景的话，就启用这两个节点，如果上传的本来就是白底的图片的话就不需要启用。

第二块内容主要是对分离的服装进行提示词反推，尽量可以多一些服装的细节用来最后对服装进行还原。

这里的反推插件如果安装了 ComfyUI_LayerStyle 的话，也可以使用 JoyCaption2 节点代替 TTP_JoyCaption2_simple 这个节点。

两个节点的效果差距不大，使用 JoyCaption2 节点的工作流，听雨也会提供一份。反推模型中的提示词不需要去动他，全部默认即可。

这里主要是生成的模块，这里需要用到阿里妈妈的 CN 重绘模型，以及对应的 Lora 模型，这两个模型听雨都放在网盘里了。

其他参数都默认即可，不需要调整。

工作流主要就这几个模块，虽然说真正用到电商模特换装场景上来说还有些不足，但是打开的了更多的可能性。

而且现在的只是初步的版本，后续还会有优化升级，小伙伴们也可以再期待一下。

好了，今天的分享就到这里了，感兴趣的小伙伴可以去试试哦！
为了帮助大家更好地掌握 ComfyUI，我在去年花了几个月的时间，撰写并录制了一套ComfyUI的基础教程，共六篇。这套教程详细介绍了选择ComfyUI的理由、其优缺点、下载安装方法、模型与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。

由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取

一、ComfyUI配置指南

• 报错指南
• 环境配置
• 脚本更新
• 后记
• …

二、ComfyUI基础入门

• 软件安装篇
• 插件安装篇
• …

三、 ComfyUI工作流节点/底层逻辑详解

• ComfyUI 基础概念理解
• Stable diffusion 工作原理
• 工作流底层逻辑
• 必备插件补全
• …

四、ComfyUI节点技巧进阶/多模型串联

• 节点进阶详解
• 提词技巧精通
• 多模型节点串联
• …

五、ComfyUI遮罩修改重绘/Inpenting模块详解

• 图像分辨率
• 姿势
• …

六、ComfyUI超实用SDXL工作流手把手搭建

• Refined模型
• SDXL风格化提示词
• SDXL工作流搭建
• …

由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取