WeVisOneDetect - ComfyUI Built-in Node Documentation - ComfyUI

WeVisOne-VL Detect は、テキストプロンプトに基づいて画像内のオブジェクトを検出し、選択したタスクに応じてボックス、アルファマット、ポイント、またはモデル自身の回答を返します。オープンボキャブラリ検出とセグメンテーション、参照表現、ポインティング、カウント、OCR グラウンディングをカバーし、バッチ内の画像ごとに 1 つのプロンプトを実行します。

入力

パラメータ	説明	データ型	必須	範囲
`clip`	チェックポイントを読み込む WeVisOne-VL テキストエンコーダーです。	CLIP	はい	-
`image`	検索対象の画像または画像バッチです。	IMAGE	はい	-
`task`	ノードが返す内容です。segmentation はボックスとアルファマットを返します。detection、referring、ocr、ocr_grounding はボックスを返します。point と count_point はポイントを返します。count_box はボックス付きでカウントします。visual_prompt は `bboxes` 内の参照ボックスに類似したオブジェクトを検出します。freeform はクエリを変更せずに送信するため、通常はテキストのみが返ります（デフォルト：“segmentation”）。	COMBO	はい	`"segmentation"` `"detection"` `"referring"` `"point"` `"count_box"` `"count_point"` `"ocr"` `"ocr_grounding"` `"visual_prompt"` `"freeform"`
`query`	見つける対象を平易な言葉で指定します（例：“the red mug”）。`detection` と `point` は 1 行につき 1 つのラベルを読み取ります。`count_box` と `count_point` は指定した対象をカウントします。`ocr_grounding` はこの正確なテキストを探します。`visual_prompt` は代わりに `bboxes` を使用します。`freeform` はこれをプロンプト全体として送信します。`ocr` はこれを無視します。	STRING	はい	-
`bboxes`	`visual_prompt` が検出対象オブジェクトの例として使用する参照ボックスです。	BOUNDING_BOX	いいえ	-
`individual_masks`	フレームごとに 1 つの結合マットを返す代わりに、`bboxes` 出力の検出ボックスごとに 1 つのマットをフレーム単位で返します（デフォルト: false）。	BOOLEAN	いいえ	true false
`max_length`	モデルが回答のために生成できるトークンの最大数です（デフォルト: 4096）。	INT	はい	1～32768

注記: マットに値が入るのは、モデルがオブジェクト参照を含む回答を返した場合のみです。これは segmentation タスクが求める内容です。その他のタスクは通常、空のマットとともにボックス、ポイント、またはテキストを返しますが、freeform のプロンプトがオブジェクト参照を求める場合はマットが埋まることもあります。

出力

出力名	説明	データ型
`masks`	一致したオブジェクトのアルファマットです。デフォルトではフレームごとに 1 つ、`individual_masks` を指定するとボックスごとに 1 つです。	MASK
`bboxes`	各画像で見つかったボックスです。`x`、`y`、`width`、`height`、`label` として保存されます。	BOUNDING_BOX
`points`	ピクセル単位の JSON 形式のポイントで、点ごとに `x`、`y`、`label`、`frame` を持つオブジェクトです（例: `[{"x": 128, "y": 96, "label": "cup", "frame": 0}]`）。`point` および `count_point` タスクで埋められます。	STRING
`text`	モデルの生の回答を改行で連結したものです。1 つの回答自体が複数行になることがあります。	STRING

このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集

Source fingerprint (SHA-256): 0cef1dfcab790e145ace51401a84cdc10282835330cda5a3770f5b20a32d475e