ComfyUI FaceDetailer 사용법｜얼굴 검출·보정·강도 비교

ComfyUI 왕초보 가이드 24 / 29장 · 기준: ComfyUI 0.34.0 / 프런트엔드 1.49.6 · Windows x64 / NVIDIA RTX Portable. 다른 버전에서는 메뉴와 노드 표시가 다를 수 있습니다.

이 장의 실습 자료 ZIP 내려받기 (5.9MB)
JSON·입력 PNG·본문 원본 이미지를 담았습니다. 압축을 푼 뒤 본문에 적힌 파일을 선택하세요. 모델과 프로그램은 포함하지 않습니다. 본문의 WebP는 가벼운 표시용 사본이며, PNG의 작업 정보·투명도와 원본 픽셀 비교에는 ZIP 안의 PNG를 사용하세요.

작게 나온 얼굴의 눈·입 표현을 다듬고, denoise에 따른 변화와 얼굴 주변의 보존 범위를 비교합니다.

1. 만들 결과

23장은 얼굴의 위치를 찾는 준비였습니다. 이번에는 찾은 얼굴을 실제로 다시 그립니다. 전체 사진에서 작게 나온 얼굴의 눈·입 표현을 정돈하면서 시선·머리 모양·옷·배경이 불필요하게 바뀌지 않는 결과를 고릅니다.

얼굴 비교는 각 전체 결과의 동일한 좌표를 잘라 확대 표시한 것입니다. 확대 표시 자체가 새로운 세부 정보를 만든 것은 아닙니다. 코트 주름이나 부츠를 고치는 실습도 아닙니다. 원본의 눈 주변·입술 표현과 비교해 얼굴 보정의 효과를 판단합니다.

FaceDetailer(얼굴 디테일러)는 이 흐름을 한 노드에서 처리합니다. 단순 선명도 필터와 달리 생성 모델이 얼굴의 세부 표현을 새로 계산합니다. denoise는 그때 원본에서 벗어날 여지를 조절하는 값입니다. 낮으면 원본의 영향이 크고, 높으면 눈·입 모양이나 표정까지 더 바뀔 수 있습니다.

2. 준비물

23장의 Impact Pack·Impact Subpack·face_yolov8m.pt와 기존 SDXL Base를 그대로 사용합니다. 추가 설치·모델 다운로드는 필요 없습니다. 노드가 없다면 23장 설치·누락 해결을 먼저 진행합니다. SAM·SAM2·LoRA는 이번 기본 실습에 연결하지 않습니다.

1. 탐색기 한 창에서 ComfyUI/input을 먼저 엽니다. 다른 창에서 받은 ch24-input.png를 복사해 붙여 넣습니다. 파일을 복사한 뒤 경로 문자열을 다시 복사하지 않습니다.
2. ComfyUI 화면을 이미 열어 두었다면 현재 작업을 저장한 뒤 F5로 새로고침합니다. 새 PNG가 파일 목록에 반영됩니다. 이후 JSON을 열고 모델·입력을 선택합니다.

JSON은 작업 구성이며 모델과 입력 PNG를 모두 포함하는 파일은 아닙니다. 링크가 글자로 열리면 오른쪽 클릭 → 다른 이름으로 링크 저장으로 .json 확장자를 유지합니다.

3. 따라 하기

A. 기본값으로 얼굴 한 번 보정하기

1. Ctrl+O로 ch24-detailer.json을 엽니다. 아래쪽 보기 맞춤으로 전체 위치를 보고, 줌 컨트롤에서 배율을 올려 값을 읽습니다. 긴 디테일러 노드가 있으므로 모든 글씨를 한 화면에 넣으려고 너무 축소하지 않습니다.
2. 01 입력·생성 모델에서 SDXL Base · 생성 모델은 sd_xl_base_1.0.safetensors, 보정할 원본은 ch24-input.png로 선택합니다. 파일 목록에 없다면 원본 노드의 업로드할 파일 선택으로 받은 PNG를 지정합니다.
3. 02 문장·검출 모델에서 얼굴 검출 모델의 model_name을 bbox/face_yolov8m.pt로 둡니다. 긍정 문장은 자연스러운 눈, 짙은 갈색 머리, 차분한 표정과 닫힌 입을 요청합니다. 부정 문장은 뒤틀린 눈, 어긋난 눈동자, 과한 화장 등을 피하도록 요청합니다. 기본 실습에서는 JSON의 문장을 그대로 둡니다.
4. 03 얼굴 부분 생성 → 얼굴 디테일러 · denoise에서 노이즈 제거량(denoise)을 0.40으로 둡니다. 숫자를 두 번 클릭해 입력한 뒤 Enter를 누릅니다. seed 2026102401, 생성 후 제어 fixed, steps 24, CFG 5, sampler dpmpp_2m, scheduler karras를 유지합니다.
5. 같은 노드의 bbox 감지 임계치는 0.50, bbox 확장은 8, bbox 자르기 배율은 3.0입니다. 가이드 크기 512, 가이드 크기 대상 bbox, 최대 크기 1024, 가장자리 흐림 10도 유지합니다. 나머지는 아래 표처럼 제공 JSON의 값으로 둡니다.
6. 상단 배치 수 1에서 실행을 한 번 누릅니다. 04 최종 결과 → 최종 얼굴 보정 저장에 인물 사진이 나오면 열어 얼굴을 비교합니다. 완성 파일은 ComfyUI/output/guide/ch24_d040_…png입니다. 오른쪽 검정·흰색 그림은 검출 확인용이며 완성 사진과 다릅니다.

photograph of an adult woman, natural eyes, dark brown hair, calm neutral expression, closed mouth, realistic skin, soft natural light

distorted eyes, crossed eyes, asymmetrical pupils, deformed face, open mouth, teeth, heavy makeup, plastic skin, text, watermark

B. 무엇이 바뀌고 무엇이 유지되는지 보기

검출 모델은 얼굴 위치를 찾고, SDXL Base는 그 부분을 다시 그립니다. 둘의 역할이 다릅니다. SDXL 로더의 MODEL·CLIP·VAE와 문장 조건은 디테일러로 연결하고, 검출 모델의 BBOX_DETECTOR 출력은 디테일러의 bbox 감지기 입력으로 연결합니다.

확인용 · 실제 검출 마스크 보기

이번에는 SAM 없이 BBOX 마스크를 사용하므로 사각형이 정상입니다. feather는 이 마스크의 가장자리를 부드럽게 섞는 값입니다. 경계까지 포함한 보정 영역 주변을 확대해서 피부·머리·목이 자연스럽게 이어지는지 봅니다.

이 예제의 네 조건에서는 최종 합성 마스크의 영향이 없는 바깥 영역이 원본과 RGB 픽셀까지 같았습니다. 여기에는 코트의 몸통·부츠·멀리 떨어진 배경이 포함됩니다. 얼굴과 경계까지 원본과 같다는 뜻은 아닙니다. 디테일러는 얼굴을 새로 그리므로 눈 모양·입술선에는 변화가 남습니다.

선택 비교 1 · denoise만 0.20 → 0.40 → 0.60으로 바꾸기

기본 결과를 만든 뒤 진행합니다. 아래 작업은 모두 ch24-input.png에서 시작하며 모델·문장·seed·검출값·자르기 배율·연결이 같습니다. denoise 하나만 바꾸고 저장 이름을 구별했습니다. 앞서 보정한 결과를 다음 입력으로 넣지 마세요. 보정을 누적하면 이 비교와 조건이 달라집니다.

조건	일반 워크플로	이번 예제에서의 판단
0.20	ch24-denoise-020.json (ZIP)	보수적 대안. 원래 화장·눈의 대비가 많이 남고 변화는 비교적 작습니다. 원래 인상 유지가 더 중요하면 먼저 살펴볼 값입니다.
0.40	ch24-detailer.json (ZIP)	기본 선택. 눈 주변과 입술선이 정돈되고, 0.60보다 입가·표정 변화가 적습니다.
0.60	ch24-denoise-060.json (ZIP)	변화가 큰 대조군. 볼·입가의 주름과 입 모양이 더 바뀌어 이번 인상 보존 목표에는 덜 맞습니다.

변화가 과할 때: 원래 ch24-input.png로 돌아가 기본 0.40 JSON을 엽니다. 그때도 눈·입 모양의 변화가 부담스럽다면 0.20 결과와 비교합니다. 이미 충분히 자연스러운 얼굴이라면 디테일러를 생략하는 선택도 가능합니다.

전체 크기로 보기: 0.20 전체 결과 (ZIP) · 0.60 전체 결과 (ZIP) . 각각 ch24_d020, ch24_d060 접두사로 저장됩니다. 눈동자·입술뿐 아니라 합성 경계와 전체 사진의 분위기도 함께 보세요.

선택 비교 2 · denoise는 유지하고 자르기 배율만 비교하기

bbox_crop_factor(화면의 bbox 자르기 배율)는 얼굴 주위에서 함께 잘라 볼 주변 범위입니다. bbox_dilation은 수정 마스크를 넓히는 값이므로 역할이 다릅니다. crop_factor를 크게 한다고 그 주변 전체가 최종 사진에서 수정되는 것은 아닙니다.

기본 0.40 / crop_factor 3.0과 아래 0.40 / crop_factor 2.0을 비교합니다. 두 파일은 자르기 배율과 저장 접두사만 다릅니다. 원본·denoise·seed·문장·검출값은 유지합니다.

조건	JSON	의미
기본 3.0	ch24-detailer.json (ZIP)	얼굴 주변을 더 넓게 잘라 함께 봅니다.
비교 2.0	ch24-crop-2.json (ZIP)	주변을 더 좁게 잘라 봅니다. 변경 범위를 두 배로 칠한다는 뜻은 아닙니다.

이번에는 두 조건 모두 얼굴이 검출됐고, 2.0에서 눈·입술의 표현이 조금 달라졌습니다. 검출 마스크 자체는 같았습니다. 배율을 낮추면 늘 좋아진다는 결과는 아닙니다. guide_size 512 / bbox는 얼굴 상자의 짧은 변을 확대할 기준이고, max_size 1024는 잘라 낸 작업 이미지의 긴 변 제한입니다. 주변 범위가 달라지면 이 제한 때문에 내부에서 얼굴을 처리하는 크기도 달라질 수 있습니다.

최종 출력 크기는 두 조건 모두 원본과 같은 832×1216입니다. 자르기 배율 2.0 전체 결과 (ZIP) 도 함께 비교하세요. 저장 접두사는 ch24_crop2입니다.

C. 다음에도 같은 작업으로 시작하기

1. 기본 작업에서 그래프 → 내보내기로 ch24-my-detailer라는 이름의 일반 JSON을 보관합니다. 입력 PNG도 함께 보관합니다.
2. 다음에는 Ctrl+O로 JSON을 열고 원본·생성 모델·검출 모델을 선택합니다. 처음에는 한 번만 보정하고 결과를 확대해 봅니다. 다른 얼굴에 적용할 때는 원본을 유지한 채 denoise를 한 값씩 바꾸세요.

full body photograph of one adult woman, standing facing the camera, long dark brown hair, calm neutral expression, closed mouth, wearing a plain beige trench coat, hands inside coat pockets, dark trousers, brown boots, simple gray studio background, soft natural light, realistic photography

text, watermark, logo, multiple people, extra limbs, malformed hands, distorted face, blurry face, low quality, open mouth

4. 정상 결과 확인

세 denoise 조건과 자르기 배율 2.0 조건을 실제 재생성했습니다. 기본 일반 JSON도 ComfyUI 화면에서 열어 다시 계산했으며, 첫 0.40 결과와 RGB 픽셀이 같았습니다. 네 조건에서 최종 합성 영향 범위 밖 995,762픽셀이 원본과 같았습니다. 같은 seed가 다른 PC·버전에서도 동일 픽셀을 보장한다는 뜻은 아닙니다.

5. 자주 생기는 문제

준비 단계에서 PC 정보가 헷갈린다면 GPU·메모리 등 내 컴퓨터 사양 확인 방법을 함께 참고하세요. 이 장의 결과와 작업 JSON을 보관한 뒤 다음 실습으로 넘어가면 다시 비교하기 쉽습니다.