> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# WeVisOne-VL: ComfyUI 텍스트 프롬프트 기반 세그멘테이션 및 감지

> WeVisOne-VL로 ComfyUI에서 이미지를 분할, 감지, 카운트, OCR하세요: 짧은 텍스트 쿼리 하나를 입력하면 알파 매트, 박스, 포인트 또는 원시 응답이 출력됩니다.

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-VL](https://huggingface.co/Comfy-Org/WeVisOne-VL)에서 재패키징되었습니다. 지원은 [ComfyUI #17632](https://github.com/Comfy-Org/ComfyUI/pull/17632)에 추가되었으며, 템플릿에는 ComfyUI 0.45.0 이상이 필요합니다.

> [!TIP]
>
> > [tab] 로컬 사용자
> >
> > ComfyUI가 최신 버전으로 업데이트되었는지 확인하세요.
> >
> > * [ComfyUI 다운로드](https://www.comfy.org/download)
> > * [업데이트 가이드](https://docs.comfy.org/ko/installation/update_comfyui.md)
> >
> > 이 가이드의 워크플로는 [워크플로 템플릿](https://docs.comfy.org/ko/interface/features/template.md)에서 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
>
> > [tab] 클라우드 사용자
> >
> > * [클라우드](https://cloud.comfy.org)는 ComfyUI 안정판 출시 후 업데이트됩니다.
> >
> > 따라서 이 문서에서 핵심 노드가 누락된 것을 발견했다면, 그 이유는 새로운 핵심 노드가 아직 최신 안정판에 공개되지 않았기 때문일 수 있습니다. 다음 안정판 출시를 기다려 주세요.

## 이미지 분할: WeVisOne-VL

`query`에 추출하려는 대상을 입력하고 실행하세요. 기본 `segmentation` 작업과 `human` 쿼리를 사용하면 찾은 사람들을 하나로 합친 매트와 해당 상자를 반환합니다. 사람마다 따로 얻으려면 노드에서 `individual_masks`를 켜세요.

![매트, 상자, 잘라낸 결과가 포함된 WeVisOne-VL 분할 워크플로 미리보기](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/utility_image_segment_wevisone_vl-1.webp)

> [card] [워크플로 다운로드](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/utility_image_segment_wevisone_vl.json)
>
> JSON을 다운로드하거나 템플릿 라이브러리에서 "이미지 세그멘테이션: WeVisOne-VL"을 검색하세요

**입력 재질**

> [card] [utility\_image\_segment\_wevisone\_vl\_input.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/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:

| `task` | 쿼리 형태 | 반환값 |
| :- | :- | :- |
| `segmentation` | `human`과 같은 짧은 명사구 하나 | 알파 매트와 상자(`individual_masks`가 꺼져 있으면 통합 매트 하나) |
| `detection` | 한 줄에 레이블 하나 | 상자만 |
| `referring` | `the cup on the left`와 같은 설명 구 | 상자 |
| `point` | 한 줄에 레이블 하나 | 중심점을 JSON으로 |
| `count_box` | 개수를 셀 대상 | 개수와 각 인스턴스의 상자 |
| `count_point` | 개수를 셀 대상 | 개수와 각 인스턴스의 점 |
| `ocr` | 없음 | 이미지의 모든 단어에 상자 |
| `ocr_grounding` | 찾을 정확한 문자열 | 해당 문자열을 둘러싼 상자 |
| `visual_prompt` | 없음, `bboxes` 입력 사용 | 참조 상자와 유사한 객체의 상자 |
| `freeform` | 무엇이든 | 쿼리를 전체 프롬프트로 사용한 원시 응답 |

쿼리는 짧게 유지하세요. 완전한 문장을 쓰면 `segmentation`이 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.

> [card] [2B INT8 (이 워크플로)](https://huggingface.co/Comfy-Org/WeVisOne-VL/resolve/main/text_encoders/wevisone_vl_2b_int8_convrot.safetensors)
>
> wevisone\_vl\_2b\_int8\_convrot.safetensors → ComfyUI/models/text\_encoders/

> [card] [2B BF16](https://huggingface.co/Comfy-Org/WeVisOne-VL/resolve/main/text_encoders/wevisone_vl_2b_bf16.safetensors)
>
> wevisone\_vl\_2b\_bf16.safetensors → ComfyUI/models/text\_encoders/

> [card] [4B INT8](https://huggingface.co/Comfy-Org/WeVisOne-VL/resolve/main/text_encoders/wevisone_vl_4b_int8_convrot.safetensors)
>
> wevisone\_vl\_4b\_int8\_convrot.safetensors → ComfyUI/models/text\_encoders/

> [card] [4B BF16](https://huggingface.co/Comfy-Org/WeVisOne-VL/resolve/main/text_encoders/wevisone_vl_4b_bf16.safetensors)
>
> 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)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.