[Comfyui] Comfyui-BiRefNet 只需 1 步,实现抠图自由

Comfyui-BiRefNet 是 BiRefNet 的Comfyui 实现版本,是一个具备十分强大的项目;只需一步就可以完成抠图功能,而且速度极快。

安装

  1. 通过 Comfyui-Manager 安装; 还有其他很多版本,都是根据 BiRefNet 扩展集成的,大家可以自己去熟悉。

注意:作者使用的是 zhuo 开发的版本,需要自行使用下面的方式进行安装

通过 git 手动安装;启动命令行,进入custom_nodes目录,执行 git clone 命令

git clone https://github.com/viperyl/ComfyUI-BiRefNet.git

工作流实战

具体工作流如下图所示

主要节点解析

1. 🧹BiRefNet Model Loader

加载模型: 作者测试的模型主要为 BiRefNet-DIS_ep580.pth 和 BiRefNet-ep480.pth

这两个模型各有有点,作者使用下来感觉 BiRefNet-ep480.pth 更好用一些,当然官方还更新了很多新的模型,作者后续找时间进行测试 !

  1. 🧹BiRefNet

该节点为计算处理节点,没有其他参数配置,默认就好

效果展示

由以上可以看出,抠图效果还是很不错的,基本上能够精准地识别主体。

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

对于0基础小白入门:

如果你是零基础小白,想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:stable diffusion安装包、stable diffusion0基础入门全套PDF,视频学习教程。带你从零基础系统性的学好AI绘画!

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

(全套教程文末领取哈)
在这里插入图片描述

👉AI绘画必备工具👈

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉12000+AI关键词大合集👈

在这里插入图片描述

这份完整版的AI绘画全套学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费
### 使用 ComfyUI 进行批量处理的方法 #### 1. 安装必要的自定义节点 要实现 ComfyUI 的批量化抠图功能,首先需要安装特定的自定义节点。以下是具体的安装骤: ```bash cd custom_nodes git clone https://github.com/ZHO-ZHO-ZHO/ComfyUI-BiRefNet-ZHO.git cd custom_nodes/ComfyUI-BiRefNet-ZHO pip install -r requirements.txt ``` 完成上述操作后,需重新启动 ComfyUI 应用程序以加载新安装的节点[^3]。 --- #### 2. 配置工作流 ComfyUI 提供了一种基于节点的工作流设计方式,用户可以通过连接不同的节点来构建复杂的图像处理流程。对于批量化抠图任务,通常只需要四个核心节点即可完成整个过程。这些节点的功能如下: - **Load Image Node**: 加载输入图片文件夹中的所有图像。 - **BiRefNet Node**: 利用 BiRefNet 模型执行精确的背景分割和前景提取。 - **Save Results Node**: 将处理后的图像保存到指定的目标路径。 - **Batch Processing Controller**: 控制批量处理逻辑,支持多线程并行加速。 通过合理配置以上节点参数以及调整 JSON 文件设置,可以显著提升工作效率[^2]。 --- #### 3. 示例代码片段 下面是一个简单的 Python 脚本示例,用于辅助自动化运行 ComfyUI 工作流: ```python import os from subprocess import run, PIPE def execute_comfyui_workflow(input_folder, output_folder): comfy_ui_path = "/path/to/comfyui" command = [ "python", f"{comfy_ui_path}/main.py", "--input_dir", input_folder, "--output_dir", output_folder, "--workflow_file", "./workflows/batch_matting.json" ] result = run(command, stdout=PIPE, stderr=PIPE) if result.returncode != 0: raise Exception(f"Error executing workflow: {result.stderr.decode()}") if __name__ == "__main__": input_images = "/path/to/input/images" processed_results = "/path/to/output/results" try: execute_comfyui_workflow(input_images, processed_results) print("Workflow executed successfully.") except Exception as e: print(e) ``` 此脚本能够调用 ComfyUI 主程序,并传入相应的目录与预设好的工作流文件地址[^1]。 --- #### 4. 注意事项 在实际操作过程中需要注意以下几点: - 确保 GPU 显存充足,因为某些模型可能占用较大资源。 - 输入数据应保持统一格式(如分辨率一致),以便获得更稳定的结果。 - 如果遇到性能瓶颈问题,则可尝试优化网络结构或者降低推理精度至 FP16 来提高速度。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值