首页
/ 如何用 ComfyUI-YoloWorld-EfficientSAM 实现高效 AI 图像分割?2024 超全指南 🚀

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)

ComfyUI-YoloWorld-EfficientSAM 界面展示
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

ComfyUI-YoloWorld-EfficientSAM 节点设置
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

  1. 加载示例工作流:
    YOLO_World_EfficientSAM_WORKFLOWS/YoloWorld-EfficientSAM V2.0 IMG 【Zho】.json
  2. 连接图像输入节点
  3. Yoloworld ESAM 节点设置目标类别(如 "cat, flower")
  4. 调整置信度阈值(建议 0.3-0.5)
  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?

  1. 选择小尺寸模型(yolo_world/s)
  2. 降低输入分辨率(建议 ≤1024x768)
  3. 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

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.49 K
kernelkernel
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
ops-nnops-nn
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
pytorchpytorch
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
ops-transformerops-transformer
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
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
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
jiuwenswarmjiuwenswarm
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-skillscannbot-skills
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-learning-hubcann-learning-hub
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