SUPIR在ComfyUI中修复照片模糊怎么办？

Question

在使用SUPIR模型通过ComfyUI修复模糊照片时，常遇到输出图像细节恢复不理想的问题。用户发现即使输入低分辨率或模糊人像，模型未能有效增强纹理与面部特征，反而出现过度平滑或伪影现象。该问题可能源于模型加载不完整、预处理节点参数设置不当（如未正确配置SR_UPSCALE节点的缩放倍数与降质估计），或缺乏对SUPIR特有输入格式的支持（如需精确匹配LLaVA语义编码）。如何正确搭建SUPIR工作流并调优各模块协同，成为实现高质量图像复原的关键难点。

Answer 1

一、SUPIR模型在ComfyUI中图像修复的常见问题剖析

在使用SUPIR（Super-resolution with Prior-aware Inference and Refinement）模型通过ComfyUI进行模糊照片修复时，许多用户反馈输出图像细节恢复不理想。典型表现为：面部纹理模糊、皮肤质感丢失、五官边缘出现伪影或过度平滑现象。这类问题并非单一因素导致，而是涉及模型加载、预处理流程、参数配置以及多模块协同等多个层面。

• 输入图像分辨率过低，超出模型合理处理范围
• SR_UPSCALE节点未正确设置缩放倍数与降质估计参数
• 缺少对LLaVA语义编码的支持或编码匹配错误
• 模型权重加载不完整或路径配置错误
• 前后处理节点顺序不当，影响特征传递

问题类型	可能原因	影响程度
细节丢失	降质估计不准	高
伪影生成	超分放大倍数过高	高
面部失真	LLaVA编码缺失	中
整体模糊	模型未完全加载	高
色彩偏差	后处理色彩空间转换错误	中

二、从浅入深的技术诊断路径

1. 确认模型完整性：检查SUPIR模型文件是否完整下载，包括主权重文件、LLaVA编码器、Tokenizer等组件。
2. 验证节点连接逻辑：在ComfyUI中确保SR_UPSCALE节点正确接入预处理链，且其输出连接至SUPIR主推理节点。
3. 校验输入格式：SUPIR要求输入图像经过标准化归一化处理，并需附加文本描述或由LLaVA自动生成语义嵌入向量。
4. 调试降质估计模块：启用“estimate_degradation”选项，允许模型动态判断输入图像的模糊/噪声水平。
5. 调整缩放策略：避免一次性放大4倍以上，建议采用级联式超分（如先×2再×2）提升稳定性。
6. 启用Refiner分支：激活SUPIR中的精修子网络，增强局部纹理重建能力。
7. 监控显存占用：使用NVIDIA-SMI工具观察GPU内存是否溢出，必要时降低batch size或启用fp16模式。
8. 日志追踪异常：开启ComfyUI详细日志模式，定位具体失败节点。

三、关键参数调优与工作流构建示例

# 示例：ComfyUI节点配置片段（JSON格式）
{
  "class_type": "SR_UPSCALE",
  "inputs": {
    "image": "input_image",
    "scale_by": 2,
    "upscale_model": "SUPIR-X",
    "degradation_estimate": true,
    "output_size": null
  }
},
{
  "class_type": "LLaVA_ENCODE",
  "inputs": {
    "image": "preprocessed_img",
    "prompt": "a clear face photo with detailed skin texture"
  }
}
    

四、高级优化策略与系统级协同设计

为实现高质量图像复原，需从系统架构角度重新审视SUPIR在ComfyUI中的集成方式。以下为推荐的工作流结构：

graph TD A[原始模糊图像] --> B{分辨率检测} B -->|低于512px| C[双三次插值预上采样] B -->|高于512px| D[直接进入预处理] C --> E[归一化+噪声估计] D --> E E --> F[SR_UPSCALE节点 ×2] F --> G[SUPIR主模型] G --> H[LLaVA语义引导注入] H --> I[局部纹理精修模块] I --> J[色彩一致性校正] J --> K[最终高清输出]

该流程强调三个核心机制：

• 渐进式放大：避免单步大倍率放大带来的结构崩塌。
• 语义感知增强：利用LLaVA生成的上下文向量指导面部关键区域重建。
• 闭环质量控制：引入Perceptual Loss评估中间结果，动态调节去噪强度。