Inpaint 高度テクニック完全ガイド 2026年版

InpaintはStable Diffusionの潜在空間（latent）上でマスク領域のみを再生成する技術です。ComfyUIでは主にMasked Latent方式とFull Latent方式の2種が使われます。

SetLatentNoiseMaskの役割

SetLatentNoiseMaskノードはマスクをlatentに適用し、VAE Encode for Inpaintingと組み合わせることでMasked Latent方式を実現します。grow_mask_by = 6-8px（推奨値7）を設定することで、境界のブレンドが自然になりR18の肌・髪のつなぎ目が目立ちません。^[1]

Soft Inpainting（Differential Diffusion）

Soft Inpaintingはグラデーションマスクを使用してper-pixel denoiseスケジュールを適用する最新手法です。一般的なマスク方式より境界が最も自然になります。ComfyUI Managerから「Differential Diffusion」を検索してインストール可能です。^[2]

標準ワークフロー接続図

Fooocus Inpaintノード構成

FaceDetailer (ImpactPack) 接続

SAM2 + GroundingDINO ノード接続

テキストクエリ例: "face", "hand", "background", "hair", "body"。R18部位は英語の解剖学用語が有効。

マスクエッジ処理

ANNO InpaintingワークフローはSDXL/Pony/Illustrious全対応でタイルアップスケーラー内蔵が便利。Tensor.Art からワークフローJSONをダウンロードして ComfyUI に読み込み可能。^[7]

featheringを60以上にすると境界がぼやけすぎるため40-50を標準とします。境界の直線的なラインが目立つ場合はfeathering値を5刻みで調整し、キャラが途切れる場合はdenoiseを0.03刻みで下げます。^[9]

Flux.1モデルを使用する場合はIC-LoRAガイダンスを併用することでシームレス性がさらに向上します（guidance_scale=3.5前後）。ただしCC1の現行環境（waiIllustriousSDXL_v160）では上記SDXL設定で十分な品質が得られます。^[10]

部位特定モザイク Python骨格

from PIL import Image, ImageFilter
import numpy as np

def pixelate_region(img: Image.Image, mask: Image.Image,
                    block_size: int = 12) -> Image.Image:
    """SAM2マスク領域のみモザイク処理"""
    w, h = img.size
    # 縮小→拡大でピクセレート
    small = img.resize(
        (max(1, w // block_size), max(1, h // block_size)),
        Image.BOX
    )
    pixelated = small.resize((w, h), Image.NEAREST)
    # マスク領域のみ合成
    result = Image.composite(pixelated, img, mask)
    return result

def apply_blur_region(img: Image.Image, mask: Image.Image,
                      radius: int = 20) -> Image.Image:
    """マスク領域にGaussian Blur適用"""
    blurred = img.filter(ImageFilter.GaussianBlur(radius=radius))
    return Image.composite(blurred, img, mask)

DLsite/FANZA規格ではモザイクによる生殖器の完全被覆が必須です。block_size=12〜15が実務標準です。モザイクを適用した画像には品質ゲート確認（目視）を必ず実施してください。^[11]

1. 顔崩れ修正フロー（3段階）

1. Step1: FaceDetailer — dilation=12, denoise=0.40, guide_size=512, steps=20 で自動修正
2. Step2: 手動マスク — Step1で不十分な場合、顔のみを手動マスクしてdenoise=0.50-0.55で再生成
3. Step3: 顔特化プロンプト — "beautiful face, perfect eyes, detailed face, youthful, cute young face" を追加

2. 手崩れ修正フロー

プロンプトに perfect fingers, five fingers, detailed hand, natural hand を追加。

フォルダ構成

D:\projects\fanza3_mass\inpaint_batch\
├── input\         # 修正対象画像 (*.png)
├── output\        # 修正済み出力
├── masks\         # SAM2生成マスク (キャッシュ)
├── errors\        # OOM・失敗した画像
├── done.json      # 処理済みリスト (resume用)
└── batch_log.jsonl  # コスト・進捗ログ

ComfyUI WebSocket API バッチ処理骨格

import json, uuid, requests, websocket, pathlib, time
from pathlib import Path
from tqdm import tqdm

SERVER = "127.0.0.1:8188"
INPUT_DIR = Path(r"D:\projects\fanza3_mass\inpaint_batch\input")
OUTPUT_DIR = Path(r"D:\projects\fanza3_mass\inpaint_batch\output")
DONE_FILE = Path(r"D:\projects\fanza3_mass\inpaint_batch\done.json")

def queue_inpaint(wf_template, image_path, mask_path, client_id):
    wf = json.loads(json.dumps(wf_template))
    # ノードID は実際のワークフローJSONに合わせて変更
    wf["10"]["inputs"]["image"] = str(image_path)  # Load Image
    wf["11"]["inputs"]["image"] = str(mask_path)   # Load Mask
    wf["3"]["inputs"]["seed"] = int(uuid.uuid4()) % 2**32
    r = requests.post(f"http://{SERVER}/prompt",
        json={"prompt": wf, "client_id": client_id})
    return r.json()["prompt_id"]

def wait_done(ws_conn, prompt_id, timeout=300):
    ws_conn.settimeout(timeout)
    while True:
        msg = json.loads(ws_conn.recv())
        if msg["type"] == "executing":
            if msg["data"].get("node") is None:
                if msg["data"]["prompt_id"] == prompt_id:
                    return True  # 完了

def free_vram():
    requests.get(f"http://{SERVER}/free",
        params={"unload_models": "true", "free_memory": "true"})

def batch_run():
    done = json.loads(DONE_FILE.read_text()) if DONE_FILE.exists() else []
    wf_template = json.loads(Path("inpaint_wf.json").read_text())
    client_id = str(uuid.uuid4())
    ws = websocket.WebSocket()
    ws.connect(f"ws://{SERVER}/ws?clientId={client_id}")
    images = sorted(INPUT_DIR.glob("*.png"))
    for i, img_path in enumerate(tqdm(images)):
        if str(img_path) in done: continue
        mask_path = Path("masks") / img_path.name
        for retry in range(3):  # OOM自動リトライ
            try:
                pid = queue_inpaint(wf_template, img_path, mask_path, client_id)
                wait_done(ws, pid)
                done.append(str(img_path))
                break
            except Exception as e:
                if retry == 2:
                    (Path("errors") / img_path.name).touch()
        if i % 50 == 0:
            free_vram()  # 50枚毎にVRAM解放
            DONE_FILE.write_text(json.dumps(done))
    ws.close()

色ずれ対策

Tile ControlNet処理後に色調が変化することがあります。Image Color Match ノードを後段に追加し、元画像の色調を参照させることで原因を解消できます。^[13]

推奨アップスケーラーモデル