ComfyUI-Anyline

ComfyUI-Anyline

基于TEED技术的高精度线条检测预处理器

ComfyUI-Anyline是基于TEED技术的ControlNet线条预处理器,可从各类图像中提取物体边缘、细节和文本内容。它能快速生成清晰边缘和高保真度的线条图,用于Stable Diffusion的条件生成输入。Anyline在轮廓准确性、细节保留和文字识别方面表现优异,有效减少噪声。结合MistoLine ControlNet模型,Anyline能在SDXL工作流中实现精确控制和强大的生成能力。

Anyline线条检测预处理器ControlNet图像边缘提取Github开源项目

Anyline

快速、准确且详细的线条检测预处理器

Anyline是一个ControlNet线条预处理器,能够准确地从大多数图像中提取物体边缘、图像细节和文本内容。用户可以输入任何类型的图像,快速获得边缘清晰、细节保留充分、文本高保真度的线条图,然后将其用作Stable Diffusion中条件生成的输入。

技术细节

Anyline使用的模型和算法基于"小型高效边缘检测泛化模型(TEED)"论文(arXiv:2308.06468)的创新成果。ComfyUI中的TEED预设也源于这项工作,标志着它是一种强大的视觉算法(TEED目前是最先进的)。更多详情请参阅该论文。

与其他线条提取预处理器的比较

Anyline使用1280px的处理分辨率,因此比较也在这个分辨率下进行。与其他常用的线条预处理器相比,Anyline在轮廓准确性、物体细节、材质纹理和字体识别(尤其是在大场景中)方面具有显著优势。它还在大多数场景中更好地减少噪音,从而在生成过程中产生更清晰的图像处理,减少不准确之处。

效果概览

Anyline与Mistoline ControlNet模型结合,形成了一个完整的SDXL工作流程,最大化精确控制并发挥SDXL模型的生成能力。Anyline也可以在SD1.5工作流程中与SD1.5的ControlNet一起使用,尽管它在SDXL工作流程中的Anyline+MistoLine设置中通常表现更好。

注意:最终结果高度依赖于所使用的基础模型。请根据您的需求选择适当的基础模型。

视频教程

即将推出!

安装

要将Anyline作为ComfyUI插件使用,您需要先安装comfyui_controlnet_aux!您可以按照以下说明进行操作:https://github.com/Fannovel16/comfyui_controlnet_aux?tab=readme-ov-file#installation

安装完comfyui_controlnet_aux后,请按照以下步骤操作:

  1. 打开您的IDE和ComfyUI命令行,确保Python环境匹配。
  2. 导航到自定义节点目录:
    cd custom_nodes
    
  3. 克隆仓库,或手动下载此仓库并将其放入ComfyUI/custom_nodes目录:
    git clone https://github.com/TheMistoAI/ComfyUI-Anyline.git
    
  4. 导航到克隆的目录:
    cd ComfyUI-Anyline
    
  5. 安装依赖项:
    pip install -r requirements.txt
    
  6. 首次使用时模型将自动下载。如果失败,请从HuggingFace仓库手动下载,并将.pth文件放在指定目录中。

ComfyUI工作流程

安装完成后,可以通过搜索或右键点击在ComfyUI中访问Anyline预处理器。在SDXL中使用Anyline+Mistoline的标准工作流程如下:
Anyline+MistoLine

您可以在这里下载此工作流程JSON:ComfyUI工作流程

在A1111 sd-webui-controlnet中使用

请按照https://github.com/Mikubill/sd-webui-controlnet/discussions/2907中的说明操作。 331892429-e467798f-e96d-4e90-a5d8-306d5b76274f

局限性和未来发展

  • Anyline可能在处理具有相机模糊或柔焦效果的图像时遇到困难,可能需要根据社区反馈进行迭代改进。
  • 我们还计划联系ComfyUI的作者或ComfyUI-Controlnet的开发者,将Anyline集成到ComfyUI中,以便未来更易使用。

中国(大陆地区)便捷下载地址 (MTEED.pth):

链接:https://pan.baidu.com/s/1ik11P_u1vK8mI4q33v0MTQ?pwd=v8f1
提取码:v8f1

引用

@InProceedings{Soria_2023teed, author = {Soria, Xavier and Li, Yachuan and Rouhani, Mohammad and Sappa, Angel D.}, title = {Tiny and Efficient Model for the Edge Detection Generalization}, booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops}, month = {October}, year = {2023}, pages = {1364-1373} }

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多