如何用 ComfyUI-YoloWorld-EfficientSAM 实现高效 AI 图像分割?2024 超全指南 🚀
2026-02-05 05:29:03作者:温玫谨Lighthearted
ComfyUI-YoloWorld-EfficientSAM 是一个非官方实现的开源项目,结合 YOLO-World 与 EfficientSAM 技术,为 ComfyUI 提供高效的对象检测与分割功能。支持图像/视频处理、蒙版分离提取,让新手也能轻松实现专业级 AI 视觉任务。
📌 核心功能亮点:为什么选择这个 AI 分割工具?
✅ 双引擎驱动:检测+分割一体化
- YOLO-World:高效对象检测模型,支持多种尺寸(yolo_world/l, m, s)
- EfficientSAM:轻量化实例分割引擎,兼容 CUDA 加速与 CPU 运行
两者结合实现 "检测-分割-蒙版提取" 全流程,处理速度比传统方案提升 300% ⚡
✅ V2.0 重磅升级功能
- 蒙版分离提取:支持选择指定蒙版单独输出
- 跨媒体支持:同时兼容图像与视频处理
- 节点优化:新增
YOLO_WORLD_SEGS节点(由 ltdrdata 提供)
图:ComfyUI-YoloWorld-EfficientSAM 工作流界面,展示对象检测与蒙版生成效果
🛠️ 零基础安装指南:5 分钟快速上手
🔧 准备工作(必看!)
- Python 3.7+ 环境
- Git 工具
- NVIDIA 显卡(推荐,支持 CUDA 加速)
📦 两种安装方式任选
方法 1:ComfyUI Manager 一键安装(推荐新手)
在 ComfyUI 管理器中搜索 "YoloWorld-EfficientSAM",点击安装并重启即可。
方法 2:手动安装步骤
# 1. 进入 ComfyUI 插件目录
cd custom_nodes
# 2. 克隆项目仓库
git clone https://gitcode.com/gh_mirrors/co/ComfyUI-YoloWorld-EfficientSAM
# 3. 安装依赖包
cd ComfyUI-YoloWorld-EfficientSAM
pip install -r requirements.txt
# 4. 重启 ComfyUI 完成安装
📥 模型文件下载
将以下两个文件下载到项目根目录:
🔍 核心节点详解:解锁全部功能
📊 Yoloworld Model Loader(模型加载节点)
- 功能:加载 YOLO-World 检测模型
- 参数:模型尺寸选择(l/m/s)、置信度阈值
- 路径:YOLO_WORLD_EfficientSAM.py
✂️ Yoloworld ESAM(检测分割节点)
- 核心参数:
categories:检测目标类别(如 "person, car, dog")mask_combined:合并蒙版开关mask_extracted_index:指定输出蒙版序号
图:Yoloworld ESAM 节点参数配置界面,展示蒙版提取选项
🎞️ 视频处理支持
通过 utils/video.py 模块实现视频帧序列处理,配合蒙版跟踪算法实现流畅视频分割效果。
🚀 实战工作流:从安装到出图全流程
🖼️ 图像检测分割步骤
- 加载示例工作流:
YOLO_World_EfficientSAM_WORKFLOWS/YoloWorld-EfficientSAM V2.0 IMG 【Zho】.json - 连接图像输入节点
- 在
Yoloworld ESAM节点设置目标类别(如 "cat, flower") - 调整置信度阈值(建议 0.3-0.5)
- 运行生成带蒙版的分割结果
🎥 视频处理特别说明
- 使用 V2.0 视频工作流模板
- 需安装额外视频编码依赖:
pip install opencv-python ffmpeg-python - 蒙版跟踪默认开启,可在 utils/video.py 中调整参数
❓ 常见问题解决(FAQ)
🔄 模型下载失败怎么办?
手动下载模型后放置到项目根目录,路径示例:
custom_nodes/ComfyUI-YoloWorld-EfficientSAM/efficient_sam_s_gpu.jit
🖥️ CPU 运行卡顿如何优化?
- 选择小尺寸模型(yolo_world/s)
- 降低输入分辨率(建议 ≤1024x768)
- 关闭
with_segmentation选项仅保留检测功能
🚨 工作流加载报错?
- 确保使用 V2.0 工作流(V1.0 已弃用)
- 检查模型文件是否完整
- 重启 ComfyUI 并清除缓存
📚 进阶资源
官方工作流模板
- 图片处理:V2.0 图片检测+分割
- 视频处理:V2.0 视频检测+分割
技术原理参考
🌟 版本更新日志
- 2024.02.24:V2.0 发布,新增蒙版分离提取功能
- 2024.02.21:合并
Yoloworld ESAM Detector Provider节点 - 2024.02.20:项目初始化,实现基础检测分割功能
通过本工具,即使是 AI 视觉新手也能在 ComfyUI 中快速实现专业级对象检测与分割。立即下载体验,开启你的 AI 图像处理之旅吧! 🌈
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0769
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-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++0313
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.49 K
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
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
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++
482
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287