VNCCS 人偶姿势迁移到 Qwen-Image-2.1 的原理与工作流解析

本项目把 VNCCS 的「3D 人偶姿势 → 角色迁移」能力移植到 Qwen-Image-2.1 管线。
下面讲清楚底层原理（它到底是怎么做到的），再给出工作流与效果。

一句话原理

用 VNCCS PoseStudio 的 3D 人偶编辑器摆出目标姿势，渲染成一张「姿势条件图」；
再给一张角色参考图当身份来源。两者一起喂给 Qwen-Image-2.1 + 专用 PoseStudio V1 LoRA，
出图时只换姿势、保留脸 / 发型 / 服装。多个动作共用同一个随机种子，保证角色一致。

底层原理：它到底是怎么做到的

1. 不是 ControlNet，是「参考图 + 指令」的图像编辑

Qwen-Image-2.1 本身是个多模态图像生成 / 编辑模型，能同时接收图片 + 文字指令。
VNCCS 的做法不是挂一条 ControlNet 分支，而是把两张图一起送进模型：

• image1 = 人偶姿势图（你摆好的目标姿态渲染）
• image2 = 角色参考图（要保留脸 / 发型 / 服装的那张）
• 固定指令：Draw character from image2、
  或 Replace the pose of image2 with the pose of image1. Keep the character of image2.

模型据此从 image1 读出「姿势」，从 image2 读出「身份与服装」，合成新图。
姿势条件就是「一张被模型读懂的图」，而不是额外的网络分支。
（人偶图本身也能以干净的「ControlNet 风格」条件图形式喂给其他管线，但 VNCCS 自带的姿势控制走的是上面这条 LoRA + 双图指令的路。）

2. 姿势为什么用 3D 人偶，而不是 2D 骨架（OpenPose）

2D 骨架只有平面坐标、没有深度。社区文档（Fisher Pose，基于同一套 VNCCS 人偶 + LoRA）明确写道：
2D 骨骼缺深度，只能从每根骨头「视觉缩短的程度」去估深度，估错时躯干和四肢会前后翻转。

VNCCS 改用 MakeHuman 3D 人偶（正是训练 VNCCS PoseStudio QI2.1 LoRA 时用的同一躯体）渲染成图：

• 身体体积、左右遮挡关系、手姿、身材比例，都直接画进图里；
• 朝向（正面 / 侧面 / 背面）烘焙在相机机位中，不用在 prompt 里写 front/side/back——
  那反而会把动作压回站立；
• 模型读这一张图就能还原 3D 姿态，远比 2D 骨架稳。

3. 专用 LoRA 在干什么

LoRA（低秩微调）的本质是：把「这种人偶渲染格式 → 对应的身体布局」这一映射，教给基础模型。
基础模型本来就有「看图 + 出图」的能力，LoRA 只是让它把这种特定的人偶图
识别成「姿势控制信号」——于是姿势贴合准、肢体摆位对、朝向也对。
LoRA 权重越小越灵活（通常几十到几百 MB），可以叠加、调强度。

4. 人物一致性怎么保证

三件事叠加，才做到「换姿势不换脸」：

• 身份来源是 image2（参考图决定脸 / 发型 / 服装）；
• 指令要求保留 image2 的角色；
• 整批共用同一个随机种子，把画风、服装细节锚定住，避免每个姿势各漂各的。

同种子下改姿势，改动能明确归因，方便对比哪一处变了。

5. 为什么姿势要「用图给」，而不是用提示词写

Qwen 的指令式编辑对大部分改动都做得不错，但「姿势」恰恰是最不擅长的地方：
文本要求某个具体肢体角度、或让相机左转 40°，往往只得到原姿势，或一个僵硬的近似。
把姿势画成一张图交给模型，才精准可控。

工作流长这样

![ComfyUI 工作流](

图：ComfyUI 工作流——参考角色（image2）+ PoseStudio 姿势（image1）→ Qwen + PoseStudio V1 LoRA → 出图。

姿势是在 PoseStudio 的骨架编辑节点里摆出来的（不是手画线框）：

![PoseStudio 骨架编辑](

图：ComfyUI 中的「人像编辑 / 骨架编辑」节点——中央是可拖拽的骨骼姿态（坐姿、双腿分开），
带橙色调节框与手柄；底部有「横向 / 0° 正视 / 垂直视角 / 导出人像」等按钮，导出即 image1。

怎么用（与官方一致）

• 参考角色（image2）：干净正面图，清晰展示要保留的服装；多个动作用同一张参考，减少漂移。
• PoseStudio 姿势（image1）：摆关节、调相机 / 视场，经 VNCCS 工具桥发到 ComfyUI 当条件信号。
• 场景提示 + 风格：简洁场景提示（位置 / 光照 / 相机感），保留身份提示（如「保留红裙细节」）。
• 采样细化：先出一帧验证姿势与相似度；保持种子不变，快速迭代姿势与措辞。
• 导出升级：锁定后导出，可走升级器出高清。

效果示例

![红裙 REPOSED](

左 REFERENCE、右 REPOSED：同一角色、服装、场景，只换姿势（双臂上举）。

![拳击 REPOSED](

男运动员：站姿 → 拳击防御姿势，健身房场景一致。

关键模型与资源（开源，本项目移植来源）

• 核心生成：Qwen2.1-Image（多模态图像生成 / 编辑模型，接收图片 + 指令）
• 姿势 LoRA：VNCCS PoseStudio V1 LoRA for Qwen Image 2.1 —
  https://huggingface.co/MIUProject/VNCCS_PoseStudio_QI2.1
• 工作流 / 工具桥：AHEKOT/ComfyUI_VNCCS、AHEKOT/ComfyUI_VNCCS_Utils
• 原始仓库（本项目移植对象）：https://github.com/AHEKOT/ComfyUI_VNCCS

本项目怎么接（简述）

• 前端内嵌官方 PoseStudio（iframe）导出白底灰人偶图，连到「角色迁移」节点的动作参考（image1）；
  角色图连身份来源（image2）。
• 后端 qwen_pose_image()：人偶图预处理（白底 / 等比居中 / 按人偶比例铺满）+ 双图 + 固定指令 + 该 LoRA——
  与上面的原理一一对应。
• 详尽源码落点：docs/角色中心-剩余工作与做法.md、docs/VNCCS-REAL.md。