【亲测免费】 ComfyUI-RMBG项目安装与配置指南
2026-01-30 05:23:25作者:霍妲思
1. 项目基础介绍
ComfyUI-RMBG是一个开源项目,旨在为用户提供高级的图像背景去除以及物体、面部、衣物和时尚元素的分割功能。该项目基于ComfyUI平台,使用多种先进模型,如RMBG-2.0、INSPYRENET、BEN、BEN2、BiRefNet-HR、SAM和GroundingDINO。
主要编程语言:Python
2. 关键技术和框架
该项目使用的关键技术和框架包括:
- Python:作为主要的编程语言。
- ComfyUI:一个易于使用的图形界面,用于控制和操作各种图像处理任务。
- 多种图像分割模型:如RMBG-2.0、INSPYRENET、BEN、BEN2、BiRefNet-HR等,用于不同的图像分割任务。
3. 安装和配置准备工作
在开始安装ComfyUI-RMBG之前,请确保您的系统满足以下要求:
- 操作系统:支持Windows、macOS和Linux。
- Python:版本至少为3.7。
- ComfyUI:已安装并配置在您的系统中。
安装步骤
-
克隆仓库
打开命令行工具,切换到ComfyUI的
custom_nodes目录下,执行以下命令克隆项目:git clone https://github.com/1038lab/ComfyUI-RMBG.git -
安装依赖
进入到克隆后的
ComfyUI-RMBG目录中,使用以下命令安装项目依赖:./ComfyUI/python_embeded/python -m pip install -r requirements.txt -
安装ComfyUI-RMBG
如果您使用的是Comfy CLI,可以通过以下命令安装ComfyUI-RMBG节点:
comfy node install ComfyUI-RMBG如果您没有使用Comfy CLI,可以通过ComfyUI-Manager搜索
ComfyUI-RMBG并安装。 -
下载模型
在首次使用自定义节点时,模型会自动下载到
ComfyUI/models/RMBG/目录下。如果您需要手动下载模型,请访问以下链接:将下载的文件放置到对应的目录中。
完成以上步骤后,您就可以开始使用ComfyUI-RMBG项目进行图像背景去除和分割任务了。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
热门内容推荐
最新内容推荐
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
654
4.23 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
489
600
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
280
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
937
854
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
333
388
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.53 K
886
暂无简介
Dart
900
215
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194
昇腾LLM分布式训练框架
Python
142
167