一、应用介绍

• 电子商务领域：在电商平台中，能自动、快速且精准地去除产品图片背景，使产品展示更加突出、专业，提升商品图片的视觉效果，吸引消费者注意力。比如服装类产品，可精准分割出衣物，方便进行不同背景替换或展示细节。
• 媒体与娱乐行业：在视频编辑中，能高效去除视频画面中的背景，为后期特效合成、场景替换等操作提供便利。在动画制作里，可对角色或场景元素进行精细分割，便于进行动画渲染和场景搭建。
• 医疗影像分析：辅助医疗人员对医疗影像进行分析，精确分割出器官、病变区域等，帮助医生更准确地判断病情，为诊断和治疗提供有力支持。
• 面部识别与美容：在面部识别系统中，可精准提取面部特征，提高识别准确率。在美容修饰方面，能针对面部不同区域进行精细化处理，如祛斑、磨皮等操作时，可更好地保护面部关键特征。
• 时尚行业应用：能够对时尚图片中的服装和时尚元素进行分割，帮助时尚设计师进行款式分析、元素提取，为设计创作提供灵感和参考，也可用于时尚电商的商品展示和搭配推荐。

二、与传统方法对比

三、插件下载地址和安装方法

• 下载地址：https://github.com/1038lab/ComfyUI-RMBG
• 安装方法
  • ComfyUI-Manager安装：打开ComfyUI-Manager，在搜索框中输入“ComfyUI-RMBG”，找到插件后点击安装按钮即可。
  • 手动安装：打开命令行工具，切换到ComfyUI的“custom_nodes”目录下，执行命令“git clone https://github.com/1038lab/ComfyUI-RMBG.git”。进入克隆后的“ComfyUI-RMBG”目录，执行“./ComfyUI/python_embeded/python -m pip install -r requirements.txt”安装依赖。

四、需要的模型及下载地址

• 模型：RMBG-2.0、INSPYRENET、BEN、BEN2、BiRefNet-HR、SAM、GroundingDINO。
• 下载地址
  • RMBG-2.0：https://huggingface.co/1038lab/RMBG-2.0/tree/main
  • INSPYRENET：无明确统一下载地址，可尝试在相关代码库或模型仓库搜索
  • BEN：https://huggingface.co/prama llc/BEN
  • BEN2：https://huggingface.co/1038lab/BEN2/tree/main
  • BiRefNet-HR：https://huggingface.co/1038lab/BiRefNet_HR/tree/main
  • SAM：https://huggingface.co/facebook/sam-vit-base
  • GroundingDINO：https://github.com/idea-research/GroundingDINO

五、插件包含的节点名称

• RMBG：主要用于背景去除。
• Segment：用于对象分割。

六、关键插件参数用途和推荐值

• model_selection：用于选择具体的分割模型，如选择“RMBG-2.0”适合通用背景去除，“BEN”或“BEN2”适合衣物分割。根据具体任务需求选择相应模型。
• segmentation_threshold：分割阈值，取值范围0-1。值越高，分割结果中保留的区域越严格，背景去除越彻底，但可能会损失一些细节；值越低，保留的细节越多，但可能背景去除不彻底。一般推荐值为0.5-0.7。
• image_resolution：设置处理图像的分辨率，支持高达2048x2048像素。若图像本身分辨率不高，可设置为1024x1024或更低；对于高分辨率且需要精细处理的图像，可设置为2048x2048。

七、节点工作流参考案例

八、总结

ComfyUI-RMBG是一款功能强大的ComfyUI插件，专注于图像背景去除和精细分割。它集成了多种先进的深度学习模型，能够满足电子商务、媒体娱乐、医疗影像等多个领域的图像处理需求。与传统方法相比，在精度、效率、灵活性和适用性方面都具有显著优势。通过简单的安装和丰富的参数设置，用户可以轻松实现高质量的图像分割效果，为图像处理工作提供了极大的便利，无论是专业的图像设计师还是科研人员，都能从该插件中受益，推动了图像分割技术在实际应用中的发展。