ComfyUISDXL/Illustrious/Pony/Flux inpaint 追加/削除8番出口型異変探しR18

AI画像「追加/削除」ComfyUI実装ワークフロー — 8番出口型異変探しCG集の決定版

対象: R18同人「8番出口型異変探し×エロ」CG集の制作者(Windows / ComfyUI portable / SDXL・Illustrious・Pony・Flux / ローカルGPU) 狙い: 「1枚のベース画像をマスターとし、その一部だけをAIで追加/削除/置換」して、廊下・タイル・ライト・小物の位置を完全一致させたまま"異変(差分)"を入れる。間違い探しが成立する唯一の作り方。作成: 2026-06-13 / 検証方針: 一次未確認の数値・ライセンス可否・ノード挙動は本文中に (要確認) と明示。捏造はしない。

0. なぜ「ベース1枚→局所差し替え」が唯一解か(設計思想)

AI生成は 看板・数字を正しく描けず文字化けする。さらに 正常版と異変版を別々のtxt2imgで作ると、背景の構図・タイル目地・ライト位置・小物配置がすべて食い違う → 間違い探し(異変探し)が物理的に成立しない。
解決は1つだけ。正常版(ベース)を1枚だけ確定させ、異変版はそのベースの「一部だけ」を描き替える(=Photoshop合成のAI代替)。マスク外の画素を1bitも動かさないことが、異変探しゲームの根幹になる。
したがって本DRの主役は「inpaint性能」ではなく 「マスク外をどれだけ完全に凍結できるか」。この観点では Inpaint Crop & Stitch(マスク外はVAEすら通さず元画素温存) が最強の土台になる。

マスター結線図(コピペで組む型)

[Load Image]  ベース画像(正常版・1枚に確定させる)
     │
     ├──────────────► (異変対象を指定してマスク化)
     │                 A: GroundingDinoSAMSegment("sign"/"vase"/"poster"…)
     │                 B: Impact SEGS Detector → MASK to SEGS
     │                 C: MaskEditor 手描き
     │                         │  MASK
     │                         ▼
     │                 [Expand Mask] +4〜8px ─► [Gaussian Blur Mask] σ=1〜3   ← 継ぎ目を溶かす前処理
     │                         │  (グラデMASK)
     ▼                         ▼
[Inpaint Crop] ◄── image+mask  ─────────────────────────────┐   ← マスク周辺だけ切出し・背景温存
     │ cropped_image, cropped_mask                            │
     ▼                                                        │
[InpaintModelConditioning]  (vae, pixels, mask, pos, neg)     │
     │ positive/negative/latent                               │
     ▼                                                        │
[Load Checkpoint] ─► [DifferentialDiffusion] ─► model ─► [KSampler] (denoise 0.6〜0.9)
                                                        │ LATENT
[ControlNet: Tile/Lineart/Depth(元画像から条件抽出)] ─────┘   ← 背景の輪郭・遠近を拘束
     │                                                  ▼
     │                                            [VAE Decode]
     │                                                  │ IMAGE
     └──────────────────────────────────────────► [Inpaint Stitch] ◄── 元画像へ完全合成・マスク外は不変
                                                        │
                                                        ▼
                                              [Color Match (Masked)] ← 色/明度ズレ補正
                                                        ▼
                                              [Save Image]  異変版(完成)

ポイント: KSamplerは「Crop で切り出した小領域」だけを処理する。全画面をVAE encode/decodeしないので、(1)背景が1bitも変わらない (2)高速 (3)継ぎ目はBlur+Color Matchで消える。文字・数字は AIに描かせず、最後にPILで合成するのが文字化け再発を防ぐ定石(要確認だが実務の鉄則)。

1. 結論(3行)+ 異変探しCG集の決定版パイプライン1つ(ノード列を1行で)

1枚のベース画像をマスターとし、Inpaint Crop and Stitchでマスク外を完全凍結しながら差分を入れる方式が最も背景同一性を保てる。Differential DiffusionまたはInpaintModelConditioningを併用すると継ぎ目が安定しやすい。Crop&Stitch経由が最も推奨。

Load Image → GroundingDinoSAMSegmentまたはImpact SEGM Detector → Inpaint Crop → VAEEncodeForInpaint/InpaintModelConditioning → KSampler(DifferentialDiffusion適用可) → VAEDecode → Inpaint Stitch

2. 全体設計図(Load Image→自動マスク→局所inpaint→縫合→継ぎ目消しのブロック図/各ブロックの役割)

Load Image ──► Mask生成(自動/手動) ──► Inpaint Crop
                                            │
                                            ▼
                                    VAEEncode + Conditioning
                                            │
                                            ▼
                                    KSampler(+DifferentialDiffusion)
                                            │
                                            ▼
                                    VAEDecode ──► Inpaint Stitch ──► 完成画像

Mask生成：異変対象を特定
Inpaint Crop：マスク周辺のみ切り出し、背景を温存
Conditioning/KSampler：差分描画
Inpaint Stitch：元画像へ完全合成

3. 自動マスク生成の3系統(A:Grounding-DINO+SAM テキスト指定 / B:Impact Pack SEGS検出器 / C:手描き・色選択)

A: GroundingDinoModelLoader → SAMModelLoader → GroundingDinoSAMSegment
入力：IMAGE、テキスト("sign","poster","vase"など)
出力：IMAGE、MASK
threshold(0.0-1.0)で検出感度調整。文字や小物指定に強い。

B: UltralyticsDetectorProviderまたはBBOX Detector(combined) → SAMDetector(combined)またはMASK to SEGS
出力：SEGS → Detailer(SEGS)で局所処理後、SEGSPasteで合成。検出器依存で物体単位のマスク向き。

C: 手描きマスクはLoad Image(マスク用)またはMaskEditor相当(要確認)で作成。色選択はToBinaryMaskで二値化。

4. 局所差し替えの結線(主役)

4-1 SDXL/Illustrious inpaint(InpaintModelConditioning 経由・通常checkpointで継ぎ目を消す結線)

Load Image → InpaintModelConditioning(positive/negative/vae/pixels/mask)
出力latentをKSamplerへ。noise_maskトグルはUIバージョンにより異なる(要確認)。

4-2 Differential Diffusion(Gaussian Blur Mask→ソフト境界・KSampler手前のmodelパッチ位置)

Load Checkpoint → DifferentialDiffusion → KSampler(model入力)
マスクはGaussian BlurでぼかしてからInpaintModelConditioningまたはVAEEncodeForInpaintへ渡す。

4-3 Crop&Stitch でマスク外を完全凍結(KSamplerを挟む結線・背景同一性の担保)

Image+Mask → Inpaint Crop → VAEEncode → KSampler → VAEDecode → Inpaint Stitch
mask_blend_pixelsとcontext_from_mask_extend_factorで継ぎ目を調整(要確認)。

4-4 Fooocus inpaint patch(Acly・VAE Encode & Inpaint Conditioning の2出力結線)

Load Fooocus Inpaint → "VAE Encode & Inpaint Conditioning"
latent_inpaintとlatent_samplesの2系統を出力し、Apply Fooocus InpaintとKSamplerへ分岐。

5. 異変操作別レシピ(A:物を消す=LaMa/MAT "Inpaint (using Model)" / B:物を足す / C:看板の数字を変える / D:服・ポーズを変える)

A: Load Inpaint Model(LaMa/MAT) → "Inpaint (using Model)"(プロンプト不要)
B: Inpaint Crop&Stitch + 追加プロンプトで物体生成
C: GroundingDinoSAMSegment("sign")でマスク → InpaintModelConditioningで数字再生成
D: Differential Diffusion(ぼかしたマスク) + ControlNet(Tile/Depth)で姿勢変更

6. 背景を固定するControlNet結線(Tile/Lineart/Depthで元画像から条件抽出→ControlNet Apply→マスク外逸脱防止)

元画像 → プリプロセッサ(Tile/Lineart/Canny/Depth) → ControlNet Apply
Apply出力をKSamplerに接続。Segment制御も併用可。xinsir controlnet-union-sdxl-1.0使用(Apache 2.0)。

7. ワークフローJSONの組み方(ノードIDとlinks配列の考え方・最小JSONの骨子・API保存のコツ・要点だけ)

ノードIDは0から連番。linksは[出力元ID,出力スロット,入力先ID,入力スロット,型]の配列で記述。
最小骨子はLoad Image(1)→Mask生成(2)→Inpaint Crop(3)→KSampler(4)→Inpaint Stitch(5)のlinksを明記。
API保存時はextra_pnginfoを削除し、node connectionsのみ残すと再利用性が高い。

8. Illustrious/Pony系R18チェックポイント特有の注意点

inpaint専用版が無い場合はFooocusパッチまたはDifferential Diffusionを代替。score_9, score_8_up等のタグはconditioningに追加。NSFW領域の継ぎ目はColor Match (Masked)で補正後、モザイク処理は最終段に配置。

9. 落とし穴TOP10(継ぎ目/色ズレ/ライト不一致/文字化け再発/grow_mask_by過大/VRAM/ライセンス/Flux非商用/ControlNet強すぎ等)

grow_mask_by過大でマスク外まで影響
VAEEncodeForInpaint単体使用時のdenoise=1.0強制
ControlNet強度高すぎで異変が入らない
Flux.1 Fill devのR18商用(要法務確認)
LaMa/MAT使用時の色ズレ(後段Color Match推奨)
Differential Diffusion未適用での境界不自然
自動マスクthreshold高すぎで対象取りこぼし
Inpaint Cropのcontext不足による文脈崩れ
複数KSampler使用時のseed不統一
ベース画像とマスク解像度不一致によるズレ

詳細A. 自動マスク生成3系統の完全ノード列

A系 (Grounding-DINO+SAM)

GroundingDinoModelLoader ──► model
SAMModelLoader ──► sam_model
GroundingDinoSAMSegment(image=Load Image, text_prompt="sign|poster|number|vase", threshold=0.3(要確認), sam_model, grounding_dino_model) ──► mask
Expand Mask(mask, expand=4-8px(要確認)) ──► Gaussian Blur Mask(sigma=1-3(要確認))

出力MASKをInpaint Cropへ。テキスト指定の看板・小物変更に最適。

B系 (Impact SEGS)

UltralyticsDetectorProvider(model_name="bbox/handy.pt"(要確認)) ──► BBOX_DETECTOR / SEGM_DETECTOR
BBOX Detector(combined) or SEGM Detector(combined)(image, detector) ──► SEGS
SAMDetector(combined)(SEGS) ──► SEGS
MASK to SEGS(mask) ──► SEGS
SEGS Filter(label="person", size_range) ──► Detailer(SEGS) ──► SEGSPaste

物体検出が安定する人物・大型オブジェクトの置換に最適。

C系 (手描き/色選択)

Load Image ──► MaskEditor(右クリック→Open in MaskEditor(要確認)) ──► mask
ToBinaryMask(mask, threshold=128(要確認)) ──► 二値MASK

精密な服変更・ポーズ調整に最適。自動検出が難しい領域で使用。

詳細B. 局所差し替えの主役4結線

B-1 InpaintModelConditioning経由

Load Checkpoint ──► model
CLIPTextEncode(pos/neg) ──► conditioning
InpaintModelConditioning(vae=VAE, pixels=ベース画像, mask) ──► positive/negative/latent
KSampler(model, positive, negative, latent_image, denoise=0.65-0.80(要確認), cfg=5-7(要確認), sampler_name=euler_a or dpmpp_2m(要確認), steps=20-30) ──► VAEDecode

B-2 Differential Diffusion

Gaussian Blur Mask(kernel_size=ブラシ径, sigma=2-4(要確認)) ──► グラデーションMASK
DifferentialDiffusion(model) ──► model
KSampler(model, denoise=0.75-0.95(要確認))

境界溶けが強く、継ぎ目が最も安定。

B-3 Crop&Stitch完全凍結

Inpaint Crop(mask, mask_blend_pixels=8(要確認), context_from_mask_extend_factor=1.2(要確認), output_resize_to_target_size=512-768(要確認)) ──► cropped_image
VAEEncode ──► KSampler ──► VAEDecode ──► Inpaint Stitch(original=ベース画像)

マスク外画素を一切触らないため背景同一性最高。

B-4 Fooocus patch

Load Fooocus Inpaint ──► Apply Fooocus Inpaint(model)
"VAE Encode & Inpaint Conditioning"(pixels, mask) ──► latent_inpaint
Apply Fooocus Inpaint(latent_inpaint) ──► latent_samples
KSampler(latent_samples, denoise=0.5-1.0)

詳細C. 異変操作別の完全レシピ

A 消す

GroundingDinoSAMSegment("対象") ──► Expand Mask ──► Load Inpaint Model(LaMa big-lama.pt(要確認)) ──► "Inpaint (using Model)"(プロンプト不要) ──► Color Match(Masked)

物体除去に最適。

B 足す

手描きマスク or テキストマスク ──► Inpaint Crop ──► InpaintModelConditioning(pos="赤い消火器", denoise=1.0) ──► KSampler ──► Inpaint Stitch ──► Color Match
ControlNet Depth(ベース画像)併用で床・壁の整合。

C 看板の数字/文字

GroundingDinoSAMSegment("number|sign")で領域限定 ──► Inpaint Crop ──► InpaintModelConditioning(denoise=0.7) ──► KSampler
→ PIL ImageCompositeで数字レイヤー後乗せ(要確認)

AI単独は文字化け再発しやすい。

D 服/ポーズ

Differential Diffusion(model) + ControlNet(OpenPose/Lineart) ──► KSampler(denoise=0.65-0.85)

骨格固定しつつ服のみ変更。

詳細D. 背景固定ControlNet結線

Load Image ──► AIO Aux Preprocessor(preprocessor=Tile/Lineart/Depth) ──► controlnet_image
Load ControlNet(model=xinsir controlnet-union-sdxl-1.0(要確認)) ──► Apply ControlNet(strength=0.45-0.65(要確認), end_percent=0.6(要確認)) ──► KSampler.positive

強すぎると異変が入らず、弱すぎると背景がズレるトレードオフ。

詳細E. ワークフローJSON骨子

{
  "nodes": [
    {"id":1,"type":"LoadImage","widgets_values":["base.png"]},
    {"id":2,"type":"GroundingDinoSAMSegment","inputs":{"image":["1",0],"text_prompt":"sign"}},
    {"id":3,"type":"InpaintModelConditioning"},
    {"id":4,"type":"KSampler"},
    {"id":5,"type":"VAEDecode"},
    {"id":6,"type":"SaveImage"}
  ],
  "links": [[1,1,0,2,0,"IMAGE"],[2,2,1,3,2,"MASK"],...]
}

Save(API Format)でprompt形式に変換すると量産向き(要確認)。

詳細F. Illustrious/Pony系R18特有の注意

Inpaint専用checkpointが少ないためFooocusパッチまたはInpaintModelConditioningで代替(要確認)。
score_9, score_8_up, masterpieceタグはinpaint時も維持必須。
局所生成で肌質が割れやすいためColor Match(Masked)を必ず挿入。
モザイク処理は全工程の最終段に配置。
顔のmature化防止のためnegに"old, mature"を強化。

詳細G. 落とし穴TOP10

継ぎ目発生：マスク膨張不足またはdenoise高め。Expand Mask+Gaussian Blurを必ず前処理。
色ズレ：VAEEncodeを通すと発生。Crop&StitchまたはColor Matchで対策。
ライト不一致：ControlNet Depthを0.5前後に抑え、Tileを併用。
文字化け再発：AIに文字生成を任せない。PIL後乗せを標準とする。
grow_mask_by過大：マスクが意図外に広がる。4-8px以内に制限。
解像度不一致：Crop前後のサイズをoutput_resize_to_target_sizeで揃える。
VRAM不足：Inpaint Cropで512-768に制限。
Flux非商用：ライセンス確認必須。
ControlNet強すぎ：strength 0.7以上で異変が入らなくなる。
seed管理：同一seed固定で背景再現性を確保。

脚注 — 全ソースURL(実在のみ)

comfyui-inpaint-nodes (Acly) 公式リポジトリ — Fooocus patch / LaMa・MAT / Expand・Shrink・Stabilize Mask / Fill Masked / Color Match (Masked) / Denoise to Compositing Mask / "Inpaint (using Model)" の全ノード仕様: https://github.com/Acly/comfyui-inpaint-nodes
Acly Fooocus inpaint モデル配置(lllyasviel/fooocus_inpaint): https://huggingface.co/lllyasviel/fooocus_inpaint/tree/main
comfyui_segment_anything (storyicon) — GroundingDinoModelLoader / SAMModelLoader / GroundingDinoSAMSegment、GroundingDINO・SAMモデルファイル: https://github.com/storyicon/comfyui_segment_anything
GroundingDinoSAMSegment ノードI/O(IMAGE/MASK・threshold 0.0-1.0): https://www.runcomfy.com/comfyui-nodes/ComfyUI-SAM2/GroundingDinoSAMSegment--segment-anything-
ComfyUI-Impact-Pack (ltdrdata) — SAMLoader/SAMDetector/BBOX・SEGM Detector/MASK to SEGS/Detailer(SEGS)/SEGSPaste/ToBinaryMask: https://github.com/ltdrdata/ComfyUI-Impact-Pack
ComfyUI-Inpaint-CropAndStitch (lquesada) — Inpaint Crop / Inpaint Stitch・マスク外はVAEを通さず温存: https://github.com/lquesada/ComfyUI-Inpaint-CropAndStitch
InpaintModelConditioning ノードI/O(positive/negative/vae/pixels/mask → positive/negative/latent): https://comfyui-wiki.com/en/comfyui-nodes/conditioning/inpaint/inpaint-model-conditioning
VAE Encode (for Inpainting) — pixels/vae/mask/grow_mask_by(既定6): https://comfyui-wiki.com/en/comfyui-nodes/latent/inpaint/vae-encode-for-inpaint
VAE Encode (for Inpainting) ノード解説(runcomfy): https://www.runcomfy.com/comfyui-nodes/ComfyUI/VAEEncodeForInpaint
DifferentialDiffusion 公式ビルトインノード(ComfyUI Docs): https://docs.comfy.org/built-in-nodes/DifferentialDiffusion
Differential Diffusion ノード(runcomfy): https://www.runcomfy.com/comfyui-nodes/ComfyUI/DifferentialDiffusion
Differential Diffusion 解説(グラデマスク=画素ごとdenoise強度・Gaussian Blur Mask前処理): https://promptingpixels.com/soft-inpainting-in-comfyui/
Flux.1 Fill dev 公式チュートリアル(必要ファイル・FLUX.1[dev]非商用ライセンス): https://docs.comfy.org/tutorials/flux/flux-1-fill-dev
Flux Fill ワークフロー(InpaintModelConditioning+DifferentialDiffusion を使用): https://comfyui-wiki.com/en/tutorial/advanced/image/flux/flux-1-dev-fill
alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Beta(Flux系ControlNet inpaint): https://huggingface.co/alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Beta
xinsir controlnet-union-sdxl-1.0 / ProMax(12 control + 5 advanced editing・inpaint/tile・Apache 2.0): https://huggingface.co/xinsir/controlnet-union-sdxl-1.0
Automated Inpainting with Dino(GroundingDINO自動マスク+inpaint 実ワークフロー・Civitai): https://civitai.com/models/269302/tutorial-resources-automated-inpainting-with-dino
SDXL Inpainting 実ワークフロー(VAEEncodeForInpaint+InpaintModelConditioning 結線例・OpenArt): https://openart.ai/workflows/rat_dismal_40/comfyui-sdxl-inpainting/0ErhhSzJ1O7RLIvt7KGT

検証メモ: 上記は2026-06-13時点で実在を確認したURL。ノード名・入出力スロット・grow_mask_by既定6・SDXL inpaint 9ch・Flux非商用・xinsir Apache2.0 は一次/準一次で確認済。denoise/cfg/strength/thresholdの具体数値、MaskEditor手順、Ultralyticsモデルファイル名、PIL後乗せの最適手順は環境差があり「(要確認)」。FLUX.1[dev]のR18商用販売可否はライセンス上の重大リスク=必ず原文と法務で確認すること。

DR_AI画像編集_ComfyUI実装ワークフロー — 生成: grok-4.3 (grok_router.py 経由・コストログ自動記録) + 一次ソース18本で裏取り・編集。
一次未確認の数値/ライセンス可否は本文に (要確認) 明示。FLUX.1[dev] のR18商用可否は重大リスク=必ず原文・法務確認。

AI画像「追加/削除」ComfyUI実装ワークフロー — 8番出口型 異変探しCG集の決定版