Замена лиц и омоложение в видео: анализ сложного воркфлоу для ComfyUI на базе WAN и SAM

Считается, что нейросети уже полностью решили задачу замены лиц в видео. Автоматические решения обещают студийное качество практически без вмешательства пользователя. Правда, когда дело доходит до реального VFX, сразу всплывают проблемы с освещением, микромимикой и временной консистентностью. Разработчик Даг Хоган представил Face Swap Workflow для ComfyUI, который позиционируется как инструмент для сложного омоложения и замены лиц.

Под капотом работает тяжеловесная связка из генеративных и аналитических моделей. За обработку видео отвечает WanVideoModelLoader, а для детекции и сегментации используются Florence и SAM. В теории, узлы вроде GrowMask и CLIPVisionLoader должны обеспечить точный перенос идентичности и бесшовный инпайнт. Но любой технический художник знает слабое место таких цепочек — мерцание масок на динамичных сценах. Сборка автоматизирует трекинг лица, однако отсутствие гибкого покадрового контроля над границами маски в сложных ракурсах часто приводит к цифровой грязи.

Вопрос в том, готов ли этот инструмент к полноценному продакшену без доработок? Скорее всего, нет, и финальный клинап никто не отменял. Зато этот воркфлоу имеет огромную ценность как техническая база. Его разбор дает четкое понимание того, как именно строится логика работы с ИИ-сегментацией и динамическими масками в нодовой среде. Это наглядный пример интеграции разнородных нейросетей в единый пайплайн, на котором можно учиться выстраивать собственные процессы.