【ComfyUI】Krea 2 Identity Edit で画像編集してみた【INT8 ConvRot】

Krea 2 Identity Edit（krea2-identity-edit）は、conradlocke氏によって、画像生成AIモデル「Krea 2」をベースに開発されたLoRaです。キャラクターの顔や人物の特徴（アイデンティティ）を維持したまま、Krea2の高画質な画像生成能力を生かして自然な画像編集・合成を行えるのが特長です。

LoRAファイルのダウンロード

Hugging Faceで公開されています。

conradlocke/krea2-identity-edit at main

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

バージョン1.1をのどれかをVRAM環境に合わせてダウンロードしてmdelsのlorasフォルダに配置。

krea2_identity_edit_v1_1.safetensors :1.83GB
krea2_identity_edit_v1_1_r128.safetensors :914GB
krea2_identity_edit_v1_1_r64.safetensors :457GB

上から品質が高くなります。

技術的な制約

顔の幾何学的特徴の限界: ホクロ、肌の質感、髪、ライティングの維持は得意ですが、極めて特徴的な顔の骨格（特異な鼻の形、目の間隔など）は標準的なプロポーションに引っ張られる傾向があります。
複数人の編集制限: 2人の人物を入力すると衣装は区別されますが、顔立ちが互いに似てしまうバグがあります。これを避けるには、1人ずつ編集を重ねる「チェーン編集」が推奨されます。
削除機能の不完全さ: 不要物の削除はまだ完璧ではなく、Rawモデル＋CFG 3を使用しても、消える代わりに別のオブジェクトが再描画されることがあります。

LoRA推奨設定

LoRA強度（LoRA strength）に関する推奨値は「1.0」。

ほとんどの編集 (追加、色変更、スタイル変更、再配置など)
- 推奨モデル: Turbo
- 推奨ステップ数: 8～12 ステップ
- 推奨CFG: 1.0

不要物の削除・大幅な消去
- 推奨モデル: Raw
- 推奨ステップ数: 20 ステップ
- 推奨CFG: 3.0

アスペクト比
- 出力するLatentの解像度は、入力ソース画像と完全に一致させてください（不一致だと保持能力が低下し、編集が画像の一部にしか適用されないなどの問題が生じます）。

生成サイズ:
- 2メガピクセル（2MP）以下を推奨。これを超えるとソース画像の内容がにじみ出たり、被写体が重複（二重に描画）したりします。特にv1.1の2人編集では1〜1.5MP程度で生成し、後からアップスケールすることを推奨しています。

ステップ数の役割
- 少ない（8ステップ程度）: 元の構図の維持（Composition adherence）を優先。
- 多い（12ステップ程度）: 顔の細部（Face detail）の描写力を優先。
- バランス: 10ステップ前後が推奨されます。

grounding_px（接地解像度）の重要性
編集の「指示への従いやすさ」と「元の画像の維持力（再現性）」のバランスを調整するための、最も重要な調整ダイヤル（パラメータ）です。
- v1.1の学習範囲は 384～768（デフォルトは768、1024でも動作可能）。
- 低い値（384付近）: 編集指示への追従性が強くなり、画面全体の変更が均一になります。
- 高い値（768〜1024）: 元のアイデンティティや「似ている度合い」を強く維持します。
- もし画像が二重に分裂して生成される場合は、grounding_pxが高すぎるため、値を下げて調整してください。

grounding_px（接地解像度）の補足

この接地解像度（grounding_px）がなぜこのような挙動を示すのか、仕組みと実用的な使い分けを補足します。

なぜ解像度をいじると「維持力」と「自由度」が変わるのか？

このモデル（Krea 2 Identity Edit）は、裏側で Qwen3-VL という視覚言語モデル（VLM）をテキストエンコーダとして使用しています。 Qwen3-VLは、入力されたソース画像を「ビジュアルトークン」に変換し、ユーザーのテキスト指示（例：「車を黒くして」）と一緒に読み込むことで、「画像のどこに何があるか」をセマンティック（意味的）に理解します。

grounding_px を高くする（例: 768～1024）: Qwen3-VLに画像を渡す際、より高解像度（高画質）のまま処理させます。AIは「人物のホクロの位置」「服の細かい柄」「顔のパーツの隙間」といったミクロなディテールまで細かく把握できるため、編集を行っても元画像の特徴が強力に維持（Identity-preserving）されます。
grounding_px を低くする（例: 384～512）: 画像をあえて低解像度（モザイクがかったような状態）に縮小してQwen3-VLに渡します。AIは「大体この位置に人がいる」「車がある」という大まかなマクロな情報しか認識できなくなるため、細かいディテールに縛られず、プロンプトの指示に従ってダイナミックに描き換える（自由度が高まる）ことができます。

実践的な使い分けガイド

具体的な編集タスクに応じて、以下のように数値を使い分けるのが最も効率的です。

顔の表情、髪型の微調整、アクセサリーの追加
- 推奨される設定: 768 ～ 1024
- 調整の狙い: 本人の顔立ち（アイデンティティ）を絶対に崩したくないため、接地解像度を高めてディテールを保護します。
衣服の色変更、小物の追加・差し替え
- 推奨される設定: 768（デフォルト）
- 調整の狙い: バランスが良い基準値です。まずはここからテストします。
背景の全般的な描き換え、天候やスタイルの変更
- 推奨される設定: 512
- 調整の狙い: 元の背景の細かな模様などに引きずられないよう、接地解像度を下げることでAIに「描き換える自由」を与えます。
言うことを聞かない、頑固な変更 (例: 赤い車を何が何でも青にする)
- 推奨される設定: 384 ～ 512
- 調整の狙い: 値を下げることで、元画像の「赤色」という情報をAIの頭からあえてボヤけさせ、指示（青）を上書きしやすくします。

カスタムノードのインストール

custom_nodesフォルダでコマンドプロンプトを入力してダウンロード完了後再起動。

git clone https://github.com/lbouaraba/comfyui-krea2edit

必須コンポーネント
- ComfyUIのネイティブKrea 2対応版
- Krea 2 モデル（RawまたはTurbo）
- Qwen3-VL 4B テキストエンコーダ
- Krea 2 Identity Edit LoRA (krea2_identity_edit_v1.safetensors)

主なノード
- Krea2EditModelPatch: モデルの出力をラップし、ソース画像をコンテキストトークンとして入力します。
- Krea2EditGroundedEncode: 画像を認識させつつ指示テキストをエンコードするノードで、画像の内容に基づいた正確な編集を可能にします。

使用上の注意点
- ターゲットとなる空の潜在画像（Latent）のアスペクト比は、ソース画像と一致させる必要があります。
- Turboモデルを使用する場合、8ステップ・CFG 1での実行が推奨されています。
- 2メガピクセル以下での生成が推奨されており、それを超えると品質の低下や生成物の重複が発生する可能性があります。

ワークフロー

ワークフローはComfyUIのテンプレートから「Krea2」で検索。

【補足】

Krea AIが提供するモデル群は、リアルタイム生成や一貫性を保った編集に強みを持っています。

技術的背景: 本リポジトリのようなカスタムノードが登場することで、本来はKrea AIのWebプラットフォーム上で提供されている「画像に対して具体的な指示（例：「車をマットブラックにする」等）を出して編集する」といった機能が、ローカル環境（ComfyUI）の複雑なワークフローの中に組み込めるようになります。
利点: ControlNetやLoRAなど、ComfyUIで既に構築している他のノード群と組み合わせることが可能になるため、従来よりも緻密な生成パイプラインの制御が期待できます。特に「Identity Preserving（アイデンティティの保持）」を重視したLoRAを使用するため、元の画像のキャラクターや被写体の特徴を保ったまま編集を行うプロセスをローカルで完結させたい場合に適したツールです。