本次演示的内容是一套名为RemoveSensationAI 重绘去除画面工作流的 ComfyUI 实践案例。该流程重点展示了如何利用 Stable Diffusion 1.5 与 FLUX 模型的结合能力，通过多重 ControlNet 与 LoRA 配合实现对图像中不需要的元素进行重绘和洗图操作。整体设计兼顾了输入图像的预处理、条件约束的灵活调整以及最终生成效果的可控性，从而实现更加干净和符合预期的画面重构。通过这一案例，读者能够直观感受到 AI 重绘在影视剧照、艺术创作与场景优化中的应用潜力。文章目录工作流介绍核心模型Node 节点工作流程大模型应用Qwen2VLNode 图像内容解析与语义抽取ChatGPTOpenAI 高质量英文 Prompt 生成TextEncodeForSamplerParams+ 文本编码为生成模型的条件输入使用方法应用场景开发与应用工作流介绍这套工作流由 Stable Diffusion 1.5 模型作为重绘基础，配合 FLUX 模型进行风格与细节优化。两者通过不同的 CheckpointLoader 与 LoRA 模块加载，在不同阶段分别承担生成与修饰的角色。重绘部分利用 ControlNet（OpenPose 与 OutfitToOutfit）对人物姿态和服饰进行约束，确保生成效果在构图与服装表现上更贴合输入要求。与此同时，FLUX 区域则通过 LoRA 加载与 FluxSamplerParams 调优实现风格统一与局部细化，形成了从大局控制到细节雕琢的完整流程。核心模型在核心模型的使用上，工作流选用了clarity_3.safetensors作为稳定重绘的基础模型，并加载了flux1-dev-fp8.safetensors作为二次增强模型。前者提供较强的内容重建能力，适合进行去除与再绘制操作，而后者则注重风格控制与画面质感的增强。LoRA 模型的加入，如重绘洗图.safetensors与影视角色相关的特定权重，进一步为生成结果赋予特定风格标签。整体模型组合的优势在于既能保证原始画面结构的完整性，又能在细节和风格上高度拟合目标需求。模型名称
