feat: copy docs

docs/Inference_Core_SemSegPreprocessor.md

@@ -0,0 +1,53 @@
+
+# Documentation
+- Class name: Inference_Core_SemSegPreprocessor
+- Category: ControlNet Preprocessors/Semantic Segmentation
+- Output node: False
+
+Inference_Core_SemSegPreprocessor节点旨在为Detectron2框架中的语义分割任务预处理图像。它整合了自定义的修改和配置，以适应特定的分割需求，如动漫人脸分割，并确保图像经过正确的格式化和增强，以获得最佳的分割性能。
+
+# Input types
+## Required
+- image
+    - image参数是语义分割预处理的主要输入，代表将要处理的图像。它对节点执行必要的调整和增强以准备图像进行分割至关重要。
+    - Comfy dtype: IMAGE
+    - Python dtype: torch.Tensor
+## Optional
+- resolution
+    - resolution参数指定了图像预处理所需的目标分辨率。它在调整图像大小以满足分割模型要求方面起着关键作用，影响分割结果的质量和准确性。
+    - Comfy dtype: INT
+    - Python dtype: int
+
+# Output types
+- image
+    - 输出的image代表经过预处理的图像，已准备好进行语义分割分析。这个输出是应用各种预处理步骤的结果，旨在增强和格式化图像以获得最佳的分割性能。
+    - Comfy dtype: IMAGE
+    - Python dtype: torch.Tensor
+
+
+## Usage tips
+- Infra type: `GPU`
+- Common nodes: unknown
+
+
+## Source code
+```python
+class Uniformer_SemSegPreprocessor:
+    @classmethod
+    def INPUT_TYPES(s):
+        return create_node_input_types()
+
+    RETURN_TYPES = ("IMAGE",)
+    FUNCTION = "semantic_segmentate"
+
+    CATEGORY = "ControlNet Preprocessors/Semantic Segmentation"
+
+    def semantic_segmentate(self, image, resolution=512):
+        from controlnet_aux.uniformer import UniformerSegmentor
+
+        model = UniformerSegmentor.from_pretrained().to(model_management.get_torch_device())
+        out = common_annotator_call(model, image, resolution=resolution)
+        del model
+        return (out, )
+
+```