WeVisOneDetect - ComfyUI Built-in Node Documentation

WeVisOne-VL Detect encuentra objetos en una imagen a partir de un prompt de texto y devuelve cajas, máscaras alfa, puntos o la propia respuesta del modelo, según la tarea que elijas. Abarca detección y segmentación de vocabulario abierto, expresiones referenciales, señalización, conteo y fundamentación de OCR, y ejecuta un prompt por imagen en el lote.

Entradas

Parámetro	Descripción	Tipo de datos	Requerido	Rango
`clip`	El codificador de texto WeVisOne-VL que carga el checkpoint.	CLIP	Sí	-
`image`	La imagen o el lote de imágenes en el que buscar.	IMAGE	Sí	-
`task`	Qué debe devolver el nodo. La segmentación devuelve cajas más máscaras alfa; `detection`, `referring`, `ocr` y `ocr_grounding` devuelven cajas; `point` y `count_point` devuelven puntos; `count_box` cuenta con cajas; `visual_prompt` encuentra objetos similares a las cajas de referencia en `bboxes`; `freeform` envía la consulta sin cambios, así que la respuesta suele ser solo texto (predeterminado: “segmentation”).	COMBO	Sí	`"segmentation"` `"detection"` `"referring"` `"point"` `"count_box"` `"count_point"` `"ocr"` `"ocr_grounding"` `"visual_prompt"` `"freeform"`
`query`	Qué buscar, en lenguaje natural (por ejemplo, “la taza roja”). `detection` y `point` leen una etiqueta por línea, `count_box` y `count_point` cuentan el sujeto que nombres, `ocr_grounding` busca este texto exacto, `visual_prompt` usa `bboxes` en su lugar, y `freeform` lo envía como el prompt completo. `ocr` lo ignora.	STRING	Sí	-
`bboxes`	Cajas de referencia que `visual_prompt` usa como ejemplos del objeto a encontrar.	BOUNDING_BOX	No	-
`individual_masks`	Devuelve una máscara alfa por cada caja detectada en la salida `bboxes`, fotograma a fotograma, en lugar de una máscara alfa combinada por fotograma (predeterminado: false).	BOOLEAN	No	true false
`max_length`	Número máximo de tokens que el modelo puede generar para su respuesta (predeterminado: 4096).	INT	Sí	1 a 32768

Nota: Las máscaras alfa se rellenan solo cuando el modelo responde con referencias a objetos, que es lo que pide la tarea de segmentación. Las demás tareas suelen devolver cajas, puntos o texto con una máscara alfa vacía, pero una instrucción freeform que pida referencias a objetos también puede rellenarlas.

Salidas

Nombre de salida	Descripción	Tipo de datos
`masks`	Máscaras alfa de los objetos coincidentes, una por fotograma de forma predeterminada o una por caja con `individual_masks`.	MASK
`bboxes`	Cajas encontradas en cada imagen, almacenadas como `x`, `y`, `width`, `height` y `label`.	BOUNDING_BOX
`points`	Puntos como JSON en píxeles, un objeto por punto con `x`, `y`, `label` y `frame`, por ejemplo `[{"x": 128, "y": 96, "label": "cup", "frame": 0}]`. Los rellenan las tareas `point` y `count_point`.	STRING
`text`	Las respuestas sin procesar del modelo, unidas con saltos de línea; una respuesta puede ocupar varias líneas.	STRING

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): 0cef1dfcab790e145ace51401a84cdc10282835330cda5a3770f5b20a32d475e

​Entradas

​Salidas

Entradas

Salidas