ComfyUI-PhotoDeblur elimina el desenfoque de las fotos y conserva el tamaño original del encuadre
ComfyUI-PhotoDeblur añade a ComfyUI la restauración de fotografías afectadas por el temblor de la cámara: por ejemplo, una toma nocturna con los contornos de un escaparate borrosos. La extensión funciona con HI-Diff y MISCFilter, procesa la imagen por fragmentos y conserva las dimensiones originales. Para un equipo que prepara imágenes, es un motivo para probar una etapa de restauración independiente antes del retoque, pero conservar el tamaño todavía no demuestra la precisión de los detalles.
Procesado por IA desde TG: @cgevent (Метаверсище и ИИще); editado por Hamidun News
Fotografiaste un escaparate al anochecer, abriste la foto en una pantalla grande y los contornos del letrero aparecen duplicados. ComfyUI-PhotoDeblur propone intentar restaurar ese encuadre dentro de ComfyUI conservando las dimensiones originales de la imagen. El interés práctico es sencillo: comprobar si se puede reducir el trabajo manual con las tomas fallidas antes del retoque y de la preparación para su publicación.
Pero la promesa de «sin pérdida de resolución» conviene leerla con cuidado. Que el ancho y el alto del archivo sean iguales no demuestra por sí solo que los detalles restaurados coincidan con la realidad. Para el uso profesional importa más otra cosa: si la foto resulta más adecuada para una tarea concreta y cuánto tiempo costó verificar el resultado.
Qué se ha añadido a ComfyUI
Según la descripción del repositorio, la extensión combina HI-Diff y MISCFilter, admite el procesamiento por fragmentos y la descarga de los pesos de los modelos. Incluye un ejemplo de flujo de trabajo. Se trata de la integración de métodos de restauración ya existentes en la interfaz habitual basada en nodos.
Para un desarrollador, este empaquetado es útil porque permite montar una cadena reproducible: cargar el original, aplicar el procesamiento, guardar el resultado y pasarlo al siguiente paso. Sin embargo, la mera existencia del nodo no responde a la pregunta de producto: si conviene pasar automáticamente por él todas las fotos entrantes.
Yo empezaría con un experimento manual. Tomaría varias imágenes representativas del trabajo real: un interior, una calle al anochecer, una persona en movimiento, la textura fina de un producto. Añadiría también tomas buenas que no necesitan corrección. Estas sirven para detectar cuándo el procesamiento estropea una imagen que ya era aceptable.
Cómo comprobar la utilidad con la foto de un escaparate
Supongamos que un equipo prepara la ficha de una tienda. En la foto original, los marcos de las ventanas y las letras sobre la entrada están algo borrosos. El objetivo es obtener una fotografía que pueda publicarse en el catálogo sin enviar de nuevo a un fotógrafo.
Tras el procesamiento, conviene colocar juntos el original y el resultado con el mismo aumento. Primero, mirar las letras: si son más legibles y si su forma no ha cambiado. Después, revisar las líneas repetitivas, los reflejos y las zonas oscuras. Por último, evaluar todo el encuadre en el tamaño en que lo verá el visitante del sitio.
Son comprobaciones distintas. Un fragmento ampliado ayuda a encontrar defectos, mientras que el tamaño final muestra si existe un beneficio apreciable para el usuario. Si la mejora solo se ve con un aumento fuerte, el coste del procesamiento y del control puede resultar innecesario.
Para un piloto así, yo registraría el tiempo de procesamiento, el tiempo de revisión humana y la decisión del editor: aceptar, retocar o rechazar. Un indicador útil es cuántas tomas adicionales pudo aprovechar realmente el equipo. Conviene contrastarlo con el coste total del experimento, incluida la configuración del entorno y el análisis de los resultados fallidos.
Dónde termina la promesa de restauración
Los autores señalan por separado que los resultados en retratos nocturnos variaron y que los rostros pequeños muy movidos se restauraron de forma limitada. Por eso, la formulación de la publicación original sobre una restauración «físicamente correcta» es demasiado categórica: no debe tomarse como garantía de precisión.
En fichas de producto y fotografías de personas esto es especialmente importante. Una imagen más convincente puede crear la falsa sensación de que los rasgos pequeños se han recuperado de forma fiable. Si la imagen se usará para valorar un etiquetado, un defecto de superficie o el aspecto de una persona, la impresión visual no basta.
Lo razonable para un equipo de producto es conservar el original y permitir rechazar el procesamiento. En la fase piloto es más útil la confirmación manual del resultado que su aplicación automática a toda la biblioteca. Así es más fácil entender qué fotos salen ganando y cuáles requieren repetir la toma.
ComfyUI-PhotoDeblur merece una prueba allí donde ya existe un flujo de fotografías y un coste claro del descarte. Conviene empezar con una pequeña selección de imágenes propias y un criterio de aceptación definido de antemano. La decisión sobre su adopción llegará tras comparar el resultado útil, el tiempo de revisión y los costes de procesamiento.
- 9 nov 2026MatlowAI incorpora controles para los vídeos de MiniMax H3 mediante archivos de unos 14 KB
- 30 oct 2026Claude Code montó un pipeline con FLUX.3 klein: 290 imágenes de médicos por $3,2 de alquiler de GPU
- 9 nov 2026Viggle Remake edita video en local: ComfyUI necesita entre 12 y 24 GB de VRAM
- 9 nov 2026ComfyUI-freefield: 117 pipelines listos en lugar de una suscripción a Higgsfield, todo en local
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué se ha añadido a ComfyUI?
Según la descripción del repositorio, la extensión combina HI-Diff y MISCFilter, admite el procesamiento por fragmentos y la descarga de los pesos de los modelos. Incluye un ejemplo de flujo de trabajo. Se trata de la integración de métodos de restauración ya existentes en la interfaz habitual basada en nodos. Para un desarrollador, este empaquetado es útil porque permite montar una cadena reproducible: cargar el original, aplicar el procesamiento, guardar el resultado y pasarlo al siguiente paso.
Cómo comprobar la utilidad con la foto de un escaparate?
Supongamos que un equipo prepara la ficha de una tienda. En la foto original, los marcos de las ventanas y las letras sobre la entrada están algo borrosos. El objetivo es obtener una fotografía que pueda publicarse en el catálogo sin enviar de nuevo a un fotógrafo. Tras el procesamiento, conviene colocar juntos el original y el resultado con el mismo aumento. Primero, mirar las letras: si son más legibles y si su forma no ha cambiado. Después, revisar las líneas repetitivas, los reflejos y las zonas oscuras.
Dónde termina la promesa de restauración?
Los autores señalan por separado que los resultados en retratos nocturnos variaron y que los rostros pequeños muy movidos se restauraron de forma limitada. Por eso, la formulación de la publicación original sobre una restauración «físicamente correcta» es demasiado categórica: no debe tomarse como garantía de precisión. En fichas de producto y fotografías de personas esto es especialmente importante.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.