메인 콘텐츠로 건너뛰기
WeVisOne-VL은 산문 대신 형태로 답하는 소형 비전-언어 모델입니다. 이미지와 짧은 텍스트 쿼리를 주면 한 번의 패스로 박스, 포인트 또는 인스턴스별 알파 매트를 반환합니다. 어노테이션도, 객체별 프롬프트도 필요 없습니다. ComfyUI에서는 WeVisOne-VL Detect 노드로 실행됩니다. 아래 템플릿은 이를 서브그래프로 감싸고 매트, 소스 이미지 위에 그려진 박스, 전경 및 배경 컷아웃을 미리 보여 주므로, 매트를 배경 제거, 마스킹 또는 합성 체인에 바로 투입할 수 있습니다. 가중치는 Apache-2.0 라이선스의 Tencent 릴리스로, ComfyUI용으로 Comfy-Org/WeVisOne-VL에서 재패키징되었습니다. 지원은 ComfyUI #17632에 추가되었으며, 템플릿에는 ComfyUI 0.45.0 이상이 필요합니다.
ComfyUI가 최신 버전으로 업데이트되었는지 확인하세요.이 가이드의 워크플로는 워크플로 템플릿에서 확인할 수 있습니다. 템플릿에서 찾을 수 없다면, 귀하의 ComfyUI가 오래된 버전일 수 있습니다.워크플로를 로드할 때 노드가 누락되는 경우, 가능한 원인:
  1. 최신 ComfyUI 버전(최신 테스트 버전(nightly))을 사용하고 있지 않음
  2. 일부 노드가 시작 시 가져오기에 실패함

이미지 분할: WeVisOne-VL

query에 추출하려는 대상을 입력하고 실행하세요. 기본 segmentation 작업과 human 쿼리를 사용하면 찾은 사람들을 하나로 합친 매트와 해당 상자를 반환합니다. 사람마다 따로 얻으려면 노드에서 individual_masks를 켜세요. 매트, 상자, 잘라낸 결과가 포함된 WeVisOne-VL 분할 워크플로 미리보기

워크플로 다운로드

JSON을 다운로드하거나 템플릿 라이브러리에서 “이미지 세그멘테이션: WeVisOne-VL”을 검색하세요
입력 재질

utility_image_segment_wevisone_vl_input.png

LoadImage 노드에 불러오세요

작업

task 위젯은 쿼리를 checkpoint가 학습한 지시문으로 다시 작성합니다. 각 작업은 쿼리를 조금씩 다른 형태로 받습니다: 쿼리는 짧게 유지하세요. 완전한 문장을 쓰면 segmentation이 장황해지며, 대상에 대한 설명보다 대상을 지칭하는 구가 더 잘 작동합니다.

모델

이 워크플로는 2B INT8 텍스트 인코더를 로드합니다. 나머지 세 파일은 CLIPLoader 노드의 clip_name(stable_diffusion 유형)에 그대로 교체해 넣을 수 있는 대체 파일입니다. 4B 쌍은 더 무겁고 느리며, BF16 파일은 크기를 정밀도와 맞바꿉니다.

2B INT8 (이 워크플로)

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/

노드에 대한 추가 제어

  • individual_masks: on이면 상자마다 마스크 하나, off이면 프레임마다 하나의 통합 마스크
  • max_length: 답변 길이 상한으로, 기본 4096 tokens이며 최대 32768까지 가능
  • 출력: masks, bboxes, points(x, y, label, frame을 담은 JSON), text(원시 답변)