Segmentación de imágenes: WeVisOne-VL
Escribe enquery lo que quieres recortar y ejecuta. Con la tarea segmentation predeterminada y la consulta human, el gráfico devuelve una sola máscara combinada con las personas que encuentra, además de sus cajas. Activa individual_masks en el nodo para obtener una máscara por persona.
Descargar flujo de trabajo
Descarga el JSON o busca “Segmentación de imagen: WeVisOne-VL” en la Biblioteca de plantillas
utility_image_segment_wevisone_vl_input.png
Cárgala en el nodo
LoadImageTareas
El widgettask reescribe tu consulta como la instrucción con la que se entrenó el checkpoint. Cada tarea recibe su consulta en una forma ligeramente distinta:
Mantén la consulta corta. Una oración completa hace que
segmentation divague, y una frase que nombre la cosa funciona mejor que una descripción de ella.
Modelos
El flujo de trabajo carga el codificador de texto 2B INT8. Los otros tres archivos son reemplazos directos declip_name en el nodo CLIPLoader (tipo stable_diffusion): el par 4B es más pesado y lento, y los archivos BF16 intercambian tamaño por precisión.
2B INT8 (este flujo de trabajo)
wevisone_vl_2b_int8_convrot.safetensors → ComfyUI/models/text_encoders/
2B BF16
wevisone_vl_2b_bf16.safetensors → ComfyUI/models/text_encoders/
4B INT8
wevisone_vl_4b_int8_convrot.safetensors → ComfyUI/models/text_encoders/
4B BF16
wevisone_vl_4b_bf16.safetensors → ComfyUI/models/text_encoders/
Más control sobre el nodo
individual_masks: activado, una máscara por caja; desactivado, una máscara de unión por fotogramamax_length: límite de longitud de la respuesta, 4096 tokens por defecto y hasta 32768- Salidas:
masks,bboxes,points(JSON con x, y, label y frame) ytext(la respuesta sin procesar)