실습 1 · 그림을 불러오고 보기
시뮬레이터의 첫 번째 연습에서 따라 하기를 선택합니다. 빈 작업 공간을 더블클릭하거나 노드 이름 검색을 누릅니다. Load Image를 검색해 추가하고, 다시 Preview Image를 검색해 추가합니다. Load Image 오른쪽 IMAGE를 누른 뒤 Preview Image 왼쪽 images를 누릅니다. 실행하면 예제 설산이 표시됩니다.
BEGINNER / FIELD NOTES 01—04
노드 이름부터.
내 손으로 연결하기.
처음 설치하기 전에도 익힐 수 있는 네 가지 연습. 노드 검색, 데이터 타입, 오류 찾기, 합성 원리를 순서대로 배웁니다.
시뮬레이터 열기 ↗ 교재 내려받기 ↓
AI 생성 전에 입력·선택 영역·출력이 어떻게 이어지는지부터 확인하세요.
FIELD NOTE / 01
이름으로 노드를 꺼내기
버튼을 외우기보다, 하고 싶은 일과 영문 이름을 연결해 보세요.
표시 이름과 클래스명은 다릅니다
실제 메뉴에 보이는 Load Image의 클래스명은 LoadImage입니다. Upscale Image의 클래스명은 ImageScale입니다. 워크플로우 JSON이나 오류에 클래스명이 나올 수 있으므로 두 이름을 함께 익히세요. 이 연습 검색기는 띄어쓰기, 대소문자, 한글 역할을 모두 받아들입니다.
실습 2 · 정답 버튼 없이 다시 만들기
이번 연습 초기화 → 혼자 풀기를 선택합니다. 왼쪽 추가 버튼 대신 검색만 사용해 Load Image와 Preview Image를 꺼내세요. IMAGE 선을 연결하고 실행합니다. 노드를 선택하면 입력·출력의 뜻을 다시 볼 수 있습니다. 검색창에서 ↑·↓로 선택하고 Enter로 추가할 수 있습니다.
FIELD NOTE / 02
선은 그림이 아니라 데이터를 전달합니다
소켓 색을 외우기 전에 타입 이름을 읽어 보세요.
IMAGE와 MASK
IMAGE는 이미지 데이터이고 MASK는 각 위치를 얼마만큼 선택할지 나타내는 값입니다. 이 교육 합성에서는 흰색 1인 부분에 source, 검정 0인 부분에 destination이 보입니다. 다른 노드가 마스크를 사용하는 의미는 해당 노드 설명을 확인하세요.
실습 3 · 일부러 잘못 연결하기
타입 연습에서 사각 마스크의 MASK를 Preview Image의 images에 연결해 보세요. 타입 불일치 메시지가 나오는 이유를 읽습니다. Convert Mask to Image (MaskToImage)를 검색해 추가하고 MASK → mask, IMAGE → images 순으로 연결하면 흑백 마스크가 보입니다. 사각 마스크는 학습 전용이며 실제 설치할 SAM 노드가 아닙니다.
LATENT는 아직 화면용 이미지가 아닙니다
기본 생성 흐름에서 KSampler 출력은 LATENT입니다. VAE Decode가 LATENT와 VAE를 받아 IMAGE로 바꿉니다. MODEL은 생성 모델, CLIP은 텍스트 인코더, CONDITIONING은 인코딩한 조건입니다. 이름이 다르면 임의로 연결하지 않습니다.
FIELD NOTE / 03
노드가 안 되면 이 순서로 확인하세요
한 번에 한 가지를 바꾸면 원인을 찾을 수 있습니다.
실행했는데 결과가 없어요
Preview Image처럼 결과를 받는 노드가 있는지 먼저 확인합니다. 그 노드부터 선을 거슬러 올라가면서 필수 입력이 비었는지 읽으세요. 이 시뮬레이터는 결과로 이어진 가지를 실행합니다. 실제 ComfyUI의 상세 실행 동작은 노드와 버전에 따라 다를 수 있습니다.
JSON을 열었는데 노드가 없어요
시뮬레이터 연습 저장 JSON은 실제 ComfyUI용이 아닙니다. 실제 워크플로우 ZIP을 받으세요. 실제 ComfyUI에서 missing node가 나오면 노드 클래스명과 제공하는 저장소를 확인하고 설치 안내를 따릅니다. missing model은 노드 설치 문제가 아니라 해당 파일·경로·로더 선택을 확인할 문제입니다.
실습 4 · 값 하나만 바꾸고 비교하기
크기 변경 연습에서 너비를 256으로 바꾼 뒤 실행합니다. 연결 목록의 데이터 보기를 열어 처리 전후 크기를 비교하세요. 이 시뮬레이터의 Upscale Image는 가로 크기만 조절합니다. 실제 ImageScale에는 보간 방식·높이·crop도 있습니다. 크기를 키우는 동작만으로 AI 디테일이 새로 생기는 것은 아닙니다.
FIELD NOTE / 04
첫 VFX는 배경 교체보다 합성부터
선택 영역과 원본 보존을 이해한 뒤 생성 모델을 연결합니다.
실습 5 · 어느 이미지가 위에 올라갈까
마스크 합성 연습에서 ImageCompositeMasked를 추가합니다. destination에는 원본, source에는 색을 바꾼 이미지를 연결하고 mask에는 사각 마스크를 연결합니다. 결과를 Preview Image로 보내세요. 마스크 너비를 바꿔 source가 보이는 영역이 어떻게 달라지는지 비교합니다.
눈보라 작업에 적용하면
원본 영상 → 인물 마스크 → 배경 제작 → 전경·배경 합성 → 눈 입자와 색 맞춤 순서로 생각합니다. SAM 계열은 분리할 영역을 만드는 역할, Wan·LTX 등은 선택한 워크플로우에 따라 생성 역할을 맡습니다. 인물과 눈을 한 번에 재생성하면 얼굴이나 의상도 달라질 수 있으므로 목표가 원본 유지인지 변형인지 먼저 정합니다.
리라이팅과 단순 색보정 구분하기
RGB에 파랑을 더하는 색보정과 얼굴·몸의 빛 방향을 다시 만드는 리라이팅은 다릅니다. 원본 전경을 유지하는 합성에서는 밝기·색온도·접지 그림자부터 맞추세요. 생성 모델을 쓰면 프레임별 얼굴·노출·그림자 변화도 점검합니다. 8GB 환경은 짧고 작은 시험부터 시작하며 특정 모델의 실행을 이 교재가 보장하지 않습니다.
NODE DICTIONARY
영문 이름과 한글 역할을 함께 읽으세요.
12개 노드의 교육용 입출력입니다. 실제 노드의 모든 설정·선택 입력을 나열한 API 명세는 아닙니다.
Load Image
LoadImage이미지 불러오기
연습용 설산 이미지를 읽습니다. 실제 ComfyUI에서는 파일을 업로드하거나 선택합니다. 이 연습은 입력 이미지에서 추가로 나오는 MASK 출력을 생략했습니다.
연습 입력: 없음연습 출력: IMAGE: IMAGE
Preview Image
PreviewImage미리보기
연결된 이미지가 어떻게 생겼는지 보여 줍니다. 출력 노드까지 이어져 있어야 실행 결과를 볼 수 있습니다.
연습 입력: images: IMAGE연습 출력: 결과 확인
Upscale Image / ImageScale
ImageScale이미지 크기 변경
같은 이미지의 픽셀 크기를 바꿉니다. 이 연습은 비율을 유지하고 가로 크기만 바꿉니다. 실제 ImageScale에는 보간 방식·세로 크기·crop 설정도 있습니다.
연습 입력: image: IMAGE연습 출력: IMAGE: IMAGE
Invert Image
ImageInvert이미지 색 반전
R·G·B 각각을 255에서 뺍니다. 따뜻한 색이 차갑게 바뀌는 색보정이나 AI 리라이팅과는 다른 연산입니다.
연습 입력: image: IMAGE연습 출력: IMAGE: IMAGE
연습용 노드
DemoMask사각 마스크
왼쪽 영역을 흰색(1), 나머지를 검정(0)으로 만드는 학습 전용 마스크입니다. 실제 ComfyUI에서는 Mask Editor 또는 마스크 생성·변환 노드로 준비합니다. SAM 추론을 수행하지 않습니다.
연습 입력: 없음연습 출력: MASK: MASK
Convert Mask to Image
MaskToImage마스크를 이미지로
영역 데이터인 MASK를 눈으로 볼 수 있는 흑백 IMAGE로 변환합니다. 타입이 다른 소켓을 연결할 때 필요한 변환의 예입니다.
연습 입력: mask: MASK연습 출력: IMAGE: IMAGE
ImageCompositeMasked
ImageCompositeMasked마스크 합성
destination은 바탕, source는 위에 얹을 이미지입니다. 이 연습은 위치를 (0,0)에 고정합니다. 흰 마스크에서는 source, 검은 마스크에서는 destination이 보입니다. 실제 노드의 마스크 입력은 선택 사항이나 이 과제에서는 필수입니다.
연습 입력: destination: IMAGE · source: IMAGE · mask: MASK연습 출력: IMAGE: IMAGE
Load Checkpoint
CheckpointLoaderSimple체크포인트 불러오기
기본 SD 계열 예시에서는 생성 모델, 텍스트 인코더, VAE를 함께 불러옵니다. 이곳은 모델을 다운로드하거나 실행하지 않습니다. Wan·H3의 로더 구성은 다릅니다.
연습 입력: 없음연습 출력: MODEL: MODEL · CLIP: CLIP · VAE: VAE
CLIP Text Encode
CLIPTextEncode프롬프트 인코딩
문장을 모델이 사용할 조건 데이터로 바꿉니다. KSampler의 positive는 원하는 내용, negative는 피하고 싶은 내용을 받는 기본 SD 예시입니다. 다른 모델은 다르게 구성될 수 있습니다.
연습 입력: clip: CLIP연습 출력: CONDITIONING: CONDITIONING
Empty Latent Image
EmptyLatentImage빈 잠재 이미지
생성을 시작할 잠재 공간의 크기를 준비합니다. 완성된 검은 이미지나 일반 IMAGE가 아닙니다. 이 연습은 정사각형·batch 1로 단순화합니다.
연습 입력: 없음연습 출력: LATENT: LATENT
KSampler
KSampler샘플러
모델·조건·시작 잠재값으로 잠재 데이터를 계산합니다. 이 연습은 연결과 설정 설명만 수행합니다. Steps를 높인다고 항상 품질이 좋아지지 않으며 모델별 설정이 다릅니다.
연습 입력: model: MODEL · positive: CONDITIONING · negative: CONDITIONING · latent_image: LATENT연습 출력: LATENT: LATENT
VAE Decode
VAEDecodeVAE 디코딩
잠재 데이터 LATENT를 눈으로 볼 수 있는 IMAGE로 바꿉니다. MODEL·CLIP·VAE를 서로 바꾸어 연결할 수 없습니다.
연습 입력: samples: LATENT · vae: VAE연습 출력: IMAGE: IMAGE
이제 이름을 떠올려 보세요.
1. 마스크를 눈으로 볼 흑백 그림으로 바꾸려면?
Convert Mask to Image · MaskToImage. MASK를 IMAGE로 변환합니다.
2. 샘플러의 결과를 화면에 보이는 이미지로 바꾸려면?
VAE Decode · VAEDecode. samples에 LATENT, vae에 VAE가 필요합니다.
3. source가 보여야 할 부분의 마스크 값은?
이 마스크 합성 연습에서는 흰색 1입니다. 검정 0은 destination을 남깁니다.
공식 안내와 함께 보기
실제 ComfyUI의 메뉴와 표시 이름은 버전·언어·설치된 확장에 따라 다를 수 있습니다. 이 교재는 기본 원리와 사이트의 교육용 구현을 설명합니다.
ComfyUI 공식 첫 생성 안내 ↗