Carasibana/ComfyUI-H3-FaceRefine

解决的问题

本项目解决了 MiniMax H3 视频中小脸渲染质量差的问题。当头部在画面中仅占很小部分时，无论输出分辨率如何，画质都会下降。这些节点通过自动化检测、裁剪、精修并重新合成到原始视频中的流程，恢复细节和画质。

工作原理

系统在 ComfyUI 内使用多步骤流水线：

1. 追踪与裁剪：检测每一帧中的面部，平滑轨迹以防止“沸腾”（抖动），并将面部裁剪至填满画布。
2. 潜在空间注入：将这些裁剪区域编码到 H3 的音视频联合潜在流中，使原本不被原生 H3 节点支持的视频到视频（img2img）工作流成为可能。
3. 动态去噪：根据每帧中面部的大小动态调整去噪强度；小脸获得更强的合成以增加细节，大脸则接受更温和的处理以保留现有细节。
4. 精修：MiniMax H3 模型重新生成面部裁剪区域。
5. 拼接：使用亚像素精度将精修后的裁剪区域重新映射回原始帧，进行色彩匹配以避免亮度偏移，并羽化融合到原始视频中。

适用人群

使用 ComfyUI 和 MiniMax H3 视频模型，希望在人物距离远或画面中较小的情况下提升面部细节和一致性的用户。

主要亮点

• 时间平滑：对裁剪中心和尺寸使用高斯或 Savgol 平滑，确保精修后的面部不会闪烁或抖动。
• 身份追踪：支持使用参考图像追踪特定人物，即使在人群或遮挡情况下也能保持追踪。
• 逐帧去噪：根据源视频中面部的实际像素大小自动调整去噪强度。
• 灵活掩码：提供简单矩形掩码和高精度 SAM（Segment Anything Model）掩码，实现自然融合。
• 亚像素拼接：使用批量 grid_sample 确保精修后的面部精确还原到原始位置。