原文链接：ComfyUI面部修复完全指南 (chinaz.com)
下图就是批量抠图的工作流
虽然工作流很简单，但是我们前提还是需要安装好我们的节点
首先安装我们的抠图节点
安装 BiRefNet
所需依赖：timm，如已安装无需运行 requirements.txt，只需 git 项目即可
推荐使用管理器 ComfyUI Manager 安装
手动安装：
cd custom_nodes
git clone https://github.com/ZHO-ZHO-ZHO/ComfyUI-BiRefNet-ZHO.git
cd custom_nodes/ComfyUI-BiRefNet-ZHO
pip install -r requirements.txt
重启 ComfyUI
节点说明
BiRefNet Model Loader：自动加载 BiRefNet 模型
BiRefNet：去除背景
模型下载：https://huggingface.co/ViperYX/BiRefNet 把链接中的 6 个模型均下载至./models/BiRefNet
网络不好的小伙伴也可以加入我们交流群获取
安装Inspire Pack
然后在管理器中安装Inspire Pack节点包，这个节点包为我们提供了批量上传图像路径的节点
我们在空白画布内双击搜索加载图像列表即可
最后我们把要扣的图片放在一个文件夹中
然后把文件夹路径复制进节点路径输入框即可
最后点击加入提升队列运行工作流即可，扣好的图片默认输出在comfyui\output文件夹中
抠图的效果还是不错的，感兴趣的小伙伴赶紧去试试吧
站长素材AI教程是站长之家旗下AI绘图教程平台
海量AI免费教程，每日更新干货内容
想要深入学习更多AI绘图教程，请访问站长素材AI教程网：
AI教程_深度学习入门指南 - 站长素材 (chinaz.com)
总结
**ComfyUI面部及图像修复：批量抠图完全指南总结****一、序言**
本文介绍了使用ComfyUI平台进行高效的批量图像抠图操作，通过安装特定节点和工具，实现快速的图像背景去除。
**二、安装节点步骤**
1. **BiRefNet节点安装**：
- 依赖：需要安装timm库，如果已安装则无需运行requirements.txt。
- 推荐安装方式：使用ComfyUI的节点管理器进行安装。
- 手动安装命令：通过Git克隆ComfyUI-BiRefNet-ZHO仓库到指定目录，并执行pip安装依赖，最后重启ComfyUI以确保节点正常加载。
2. **节点说明**：
- **BiRefNet Model Loader**：负责自动加载BiRefNet模型，确保其被正确运用于抠图操作。
- **BiRefNet**：核心节点，执行去除背景的功能。
- **模型下载**：从Hugging Face下载BiRefNet的6个模型，放置在`./models/BiRefNet`目录下。网络不佳者可通过交流群获取模型。
3. **Install Inspire Pack**：
- 安装Inspire Pack节点包，以支持批量上传图像路径，提高操作效率。
- 在画布中通过搜索加载图像列表节点，实现快速设置。
**三、操作流程**
1. 准备要抠图的图片，并放置在同一文件夹中。
2. 复制该文件夹路径到Inspire Pack节点中的路径输入框。
3. 点击“加入提升队列”开始执行工作流。
4. 完成后的图像将默认输出在`comfyui\output`文件夹中。
**四、效果与应用**
- 抠图效果令人满意，为图像处理提供了高效解决方案。
- 适用于需要高质量抠图效果的设计师、摄影师等场景。
**五、更多学习资源**
- 站长素材AI教程平台提供海量免费AI教程，每日更新，是学习AI绘图的优秀平台。
- 深入学习AI与深度学习相关知识，可访问站长素材AI教程网，获取更多专业资源。
本文为用户提供了详尽的ComfyUI批量抠图指南，无论是初学者还是有经验的用户都能轻松上手，实现高质量的图像处理效果。