顔をキレイに描き直す！ Detailer と SAM3 モデルの使い方 【画像生成 AI・画像認識・領域検出】
2026.8.1 追記
2026年4月27日、sam3.1_multiplex モデルの機能が ComfyUI 本体に統合されました。
sam3.1_multiplex モデルは連絡先情報を入力せずにダウンロードすることができ、ComfyUI デフォルトのノードで動くため、パフォーマンスや安定性も向上しています。
今後は SAM 3 ではなく sam3.1_multiplex モデルの利用をおすすめします。
sam3.1_multiplex モデルの使い方（ワークフローあり）
はじめに
こんにちは、きまま / Easygoing です。
今回は、イラストを部分修正する Detailer について、最新のモデルとその使い方をご紹介します。
Detailer ってなに？
Detailer は、イラストの一部を高解像度化して描き直す 機能です。
画像生成では、描画する対象が小さいと描画が不正確になりますが、Detailer は 対象をそのモデルの推奨解像度に拡大 して再描画することにより、ディティールを改善させます。
Detailer は、顔 や 手 など、イラストの中で 重要な部分 や 失敗の多い部分 に対して特に有効です。
画像認識 AI ＋ 領域検出 AI
Detailer でイラストを修正をするとき、画像認識 AI と 領域検出 AI の２つの AI モデル を利用します。
そのうち、領域を検出するのに利用する AI が、Meta社 が公開している SAM モデル（Segment Anything Model ）です。
SAM モデルは SAM1 → SAM2 と進化してきましたが、2025年11月19日に公開された最新の SAM3 モデル は、領域検出モデルでありながら画像認識能力も加わったため、Detailer の処理が SAM3 単体で完結できる ようになりました。
ID カードの写真も「顔」と認識する
SAM3 を使うと単一の処理になって 速度が速く なり、さらに 精度も向上 しています。
SAM3 モデルのダウンロード申請
それでは、SAM3 の実際の使い方を見ていきます。
まず、次の Hugging Face のページから SAM3 モデルをダウンロードします。
SAM3 モデルをダウンロードするときは、Hugging Face のアカウントの登録 と連絡先情報を入力して ダウンロードの申請 が必要です。
申請が通ると数時間以内にメールで通知があり、モデルがダウンロードできる状態になります。
sam3.pt をダウンロード
モデルがダウンロードできるようになったら、一覧の中から sam3.pt モデルをダウンロードします。
ダウンロードしたモデルは、ComfyUI/models/sam3 フォルダを新しく作成してその中に設置します。
SAM3 モデルのワークフロー！
こちらが、SAM3 モデルを使って顔と手を再描画するワークフローです。
使用モデル
AI アップスケラー：IllustrationJaNai_V1_ESRGAN_135k
領域検出モデル：sam3.pt
ここから、各ノードの設定について、流れに沿って見ていきます。
SAM3 モデル のロード
まず、(down) Load SAM3 model ノードでモデルをロードします。
model_path: モデルのパス（設置したフォルダとファイル名）
もし、sam3.pt を 推奨以外のフォルダに設置 したり、ファイル名を変更 した場合は、model_path に正しいパスを入力します。
SAM3 モデルで対象を検出
SAM3 text segmentation ノードは、SAM3 モデルを使って対象と領域を検出します。
confidence_threshold: 検出閾値
text_prompt: 検出対象
max_detections: 最大検出数
SAM3 モデルが検出した対象の左上には、小さな数字 が示されていますが、confidence_threshold をこの数値より大きく設定することで、不確実な対象を検出から除外 することができます。
text_prompt には、検出したい対象を カンマで区切って 入力します。
max_detections は 最大検出数 で、-1 に設定すると無制限になります。
なお、次の Masks Combine Batch ノードは、個別に検出したマスク領域を１枚の画像上にまとめる働きをしています。
マスク領域の調整
SAM3 モデルが検出した領域は、輪郭よりも「中を埋める」感じで、実際の領域よりも少し小さくなっています。
そこで、Grow Mask ノードを使って対象が完全に含まれるように領域を拡大します。
さらに、Image Matting ノードを使って 検出領域を元画像と比較して修正 することで、髪の毛などの複雑な境界を整え自然に馴染むようにします。
Detailer で再描画
次に、検出した領域をもとに Mask to Segs ノードで実際に再描画する範囲を決定します。
combined（通常 Flase）
すべての領域を 1 つに統合する
crop_factor
切り取り領域を広げて周囲に余裕を持たせる
例：crop_factor = 3.0 の場合、領域の縦横3倍の範囲を描き直す
drop_size
長辺が drop_size 以下の領域を描き直しの対象から除外
最後に、この情報を Detailer (SEGS) ノードに渡して実際の再描画を行います。
guide_size
領域をこの大きさに拡大して描画
max_size
領域がこのサイズより大きい場合、縮小して処理
cycle
再描画の繰り返し回数
noise_mask_feather（0～100）
再描画の境界のぼかし量
境界を滑らかにし、再描画の違和感を軽減する
guide_size を モデルの推奨解像度 に設定することで、小さな対象も正確に描き直すことができます。
参考までに、筆者の設定値は次のとおりです。
combined: False
crop_factor: 1.2
drop_size: 100
guide_size: 1024
max_size: 1024
cycle: 1
noise_mask_feather: 20
実際の処理
実際の Detiler の処理は、次のようになります。
カスタムノードのインストール
今回のワークフローでは、次のカスタムノードを使用します。
ComfyUI-SAM3
ComfyUI-Impact-Pack
was-node-suite
ComfyUI-Image-Filters
カスタムノードが不足する場合は、ワークフローのロード時にカスタムノードを自動インストールするか、ComfyUI-Manager を使って個別にインストールして下さい。
ComfyUI-Manager の使い方
まとめ：SAM3 モデルを使ってみよう！
Segment Anything Model は領域を検出
SAM3 モデルは軽量・高精度
Detailer の処理を完結できる
今回は SAM3 モデル をご紹介しました。
画像認識 AI と 領域検出 AI には複数の組み合わせがあり、以前はその使い分けに悩むことが多かったですが、SAM3 モデルが登場して 全ての用途が SAM3 で完結 できるようになりました。
SAM3 は手軽に使えて応用範囲が広く、AI を使って画像を編集する上で 必須のスキル になると思います。
皆さんも、操作が簡単になった SAM3 モデルを使って、まずはイラストの部分修正から試してみてはいかがでしょうか？
最後までお読みいただきありがとうございます！
クリエイター紹介
アオイカリさん
アオイカリ さんに、今回の記事と SAM3 と Detailer について取り上げていただきました。
image to image での実際の作例を多数ご紹介されていて、とても参考になります。
更新履歴
2026.8.1
SAM3 ではなく sam3.1_multiplex の利用を勧める案内を追記
2026.4.25
Segmentation の日本語訳を 輪郭 から 領域 に変更しました。
2026.3.21
ComfyUI-SAM3 の代わりに ComfyUI-Easy-Sam3 の紹介を追加
2025.12.28
ComfyUI-SAM3 の代わりに comfyui_sam3 の紹介を追加