生成AIでエッチな画像を作る探求

作例を見せるだけで肝心のワークフローを作っていなかったTiled Diffusionを使ったワークフローを作ってみたいと思います。

タイルを使って高精細なアップスケールを実現する – Tiles enable high-precision upscaling –

ComfyUIのTiled Diffusionを使ってアップスケールした場合と、通常のアップスケールを比較した記事です。スライダで違いが確認できるようになっています。

前提として、Tiled Diffusionと対応するControlNetが必要になります。

GitHub – shiimizu/ComfyUI-TiledDiffusion: Tiled Diffusion, MultiDiffusion, Mixture of Diffusers, and optimized VAE

Tiled Diffusion, MultiDiffusion, Mixture of Diffusers, and optimized VAE – shiimizu/ComfyUI-TiledDiffusion

lllyasviel/control_v11f1e_sd15_tile · Hugging Face

We’re on a journey to advance and democratize artificial intelligence through open source and open science.

control_v11f1e_sd15_tileは models > controlnet に配置してください。

Stability Matrixの場合は、モデルブラウザ > Hugging Face > ControlNets (SD1.5) からTileを選びます。

ワークフローの作成
比較元の生成
1. 各種設定
Tiled Diffusionの設定
Tiled Diffusionを有効にした生成
まとめ

ワークフローの作成

まずはワークフローを開きます。いつものようにComfyUIのデフォルトで良いです。

ComfyUI上でTiled Diffusionをインストールします。

生成した画像をアップスケールする段階でTiled Diffusionを使用するため、まずはアップスケールのフローを構築します。

比較元の生成

まずはこのワークフローをベースに通常のアップスケールを試してみます。

Positive

nsfw, (masterpiece, best quality, ultra-detailed), 1girl, 21 y.o, naked, spread legs, spread pussy, grabbing own breast, hand on pussy,

Negative

embedding:easynegative, embedding:badhandv4

各種設定

Empty Latent Image

width : 688
height : 456

KSampler

seed : 460957344201275
control after generate : fixed
steps : 30
cfg : 7.0
sampler_name : euler_ancestral, dpmpp_2m_sde
scheduler : karras
denoise : 1.0, 0.3

Upscale Image By

upscale_method : area
scale : 0.5

Tiled Diffusionの設定

Tiled Diffusion用のノードを追加します。

ノードをつないでいきます。

From		To
CLIP Text Encode (Prompt)	CONDITIONING	Apply ControlNet	positive
CLIP Text Encode (Prompt)	CONDITIONING	Apply ControlNet	negative
Load ControlNet Model	CONTROL_NET	Apply ControlNet	control_net
Upscale Image By	IMAGE	Apply ControlNet	image
Load Checkpoint	VAE	Apply ControlNet	vae
Apply ControlNet	positive	(二つ目の)KSamper	positive
Apply ControlNet	negative	(二つ目の)KSamper	negative
Load Checkpoint	MODEL	Tiled Diffusion	model
Tiled Diffusion	MODEL	(二つ目の)KSamper	model

完成形

Tiled Diffusionを有効にした生成

どうでしょう？変わってはいますが、以前のサンプルほどではないですね。二つ目のKSamplerの設定をちょっと変えてみましょう。

スケジューラーをKarrasからNormalに変更しました。どうでしょうか、肌のテカリも出ていい感じかと思います。

まとめ

Tiled Diffusionを利用したワークフローの組み方について説明しました。

メモリ量が少なくとも大きな画像が生成できることがメリットなのですが、より高精細な画像を作れるというメリットもあります。私の場合はどちらかというと後者の理由で使うことが多いです。

また画像のサイズから分割数を自動算出すると生成するサイズによらず分割できます。2026/3現在のComfyUIでは特にカスタムノードの必要もなく実現できます。

※以前はカスタムノードが必要でした

Get Image SizeのUpscale Image ByのIMAGEを入力し、Math Expressionで分割したい数で割ります。例では幅を2分割、高さを2分割の合計4分割にしています。なお、各タイルのサイズが不足するとまずいのでroundで小数点を切り上げています。

ちなみにサイズの計算は他にも使えるので覚えておくと良いです。