ComfyUI-RMBG 开源项目使用与启动教程
2026-01-30 04:23:48作者:彭桢灵Jeremy
1. 项目介绍
ComfyUI-RMBG 是一个基于 ComfyUI 的自定义节点,它专门用于高级图像背景移除和对象、面部、衣物以及时尚元素的分割。该项目集成了多种模型,包括 RMBG-2.0、INSPYRENET、BEN、BEN2、BiRefNet 模型、SAM 和 GroundingDINO,为用户提供了强大的图像处理功能。
2. 项目快速启动
安装
方法1:通过 ComfyUI-Manager 安装
- 在 ComfyUI-Manager 中搜索
Comfyui-RMBG并安装。 - 在 ComfyUI-RMBG 文件夹中安装
requirements.txt:./ComfyUI/python_embeded/python -m pip install -r requirements.txt
方法2:通过克隆仓库安装
- 切换到 ComfyUI 的 custom_nodes 目录下:
cd ComfyUI/custom_nodes - 克隆仓库:
git clone https://github.com/1038lab/ComfyUI-RMBG - 在 ComfyUI-RMBG 文件夹中安装
requirements.txt:./ComfyUI/python_embeded/python -m pip install -r requirements.txt
方法3:通过 Comfy CLI 安装
- 确保
comfy-cli已安装。 - 如果未安装 ComfyUI,先安装 ComfyUI:
comfy install - 使用以下命令安装 ComfyUI-RMBG:
comfy node install ComfyUI-RMBG - 在 ComfyUI-RMBG 文件夹中安装
requirements.txt:./ComfyUI/python_embeded/python -m pip install -r requirements.txt
模型下载
首次使用自定义节点时,模型将自动下载到 ComfyUI/models/RMBG/ 目录下。以下是手动下载模型的链接:
将下载的文件放到对应的文件夹中。
示例代码
以下是使用 ComfyUI-RMBG 的一个简单示例:
# 示例代码,实际使用时需要根据实际情况调整
from ComfyUI_RMBG import RMBGNode
# 创建 RMBG 节点实例
node = RMBGNode()
# 加载图像
image = node.load_image("path/to/your/image.jpg")
# 背景移除
background_removed_image = node.remove_background(image)
# 保存图像
node.save_image(background_removed_image, "output.jpg")
3. 应用案例和最佳实践
背景移除
适用于需要移除图片背景的各种场景,如广告设计、图像合成等。
面部分割
在面部识别、美容修饰等领域有广泛应用。
衣物分割
为电商、服装设计等行业提供精确的衣物分割服务。
时尚元素分割
帮助分析时尚元素,为时尚行业提供数据支持。
4. 典型生态项目
- 图像处理工具集:整合了多种图像处理功能的工具集,用于各种图像编辑需求。
- 电商平台:利用衣物和时尚元素分割功能,为商品展示提供更专业的图像处理。
- 虚拟试衣应用:结合面部和衣物分割技术,提供虚拟试衣体验。
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 StartedRust0597- Ddeepseek-harnessDeepSeek Harness: Everything is a Plugin.TypeScript055
MooncakeMooncake 是面向大模型服务的通信与存储基础设施,致力于让解耦式大模型架构真正能够在真实生产环境中稳定运行、持续扩展、灵活组合,由趋境科技、月之暗面 Kimi 、清华大学 MADSys 实验室、9#AISoft、阿里云、蚂蚁集团等产学研力量共同建设的开源分布式大模型推理架构。C++06
OnnxOCR基于PaddleOCR重构,并且脱离PaddlePaddle深度学习训练框架的轻量级OCR,推理速度超快 —— A lightweight OCR system based on PaddleOCR, decoupled from the PaddlePaddle deep learning training framework, with ultra-fast inference speed.Python01
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。Markdown01
airi💖🧸 自托管、归你拥有的 Grok 风格 AI 伴侣与 waifu / 赛博生命灵魂容器,目标是接近 Neuro-sama 的高度;支持实时语音聊天、Minecraft 和 Factorio 游玩,支持 Web / macOS / Windows。TypeScript06
热门内容推荐
最新内容推荐
项目优选
收起
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
514
558
暂无描述
Markdown
861
5.72 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++
1.05 K
2.54 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
843
1.3 K
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++
857
1.72 K
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
3.36 K
878
本仓库fork自上游llvm-project仓,面向openEuler社区提供了前端C/C++语言的支持,中端通用优化能力的增强,以及后端多架构的支持,包括AArch64/X86/LoongArch/RISC-V/SW64等。
C++
159
64
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++
520
352
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++
1.27 K
1.38 K
deepin linux kernel
C
33
17