CavinHuang-comfyui-nodes-docs/docs/DensePosePreprocessor.md

Documentation

• Class name: DensePosePreprocessor
• Category: ControlNet Preprocessors/Faces and Poses Estimators
• Output node: False

DensePosePreprocessor节点旨在从图像中估算出密集的人体姿态。它使用选定的DensePose模型和颜色映射对图像进行预处理，以生成详细的身体姿态估计。

Input types

Required

• image
  • 需要进行处理以估算密集姿态的输入图像。这是进行姿态估计的主要输入图像。
  • Comfy dtype: IMAGE
  • Python dtype: torch.Tensor

Optional

• model
  • 指定用于姿态估计的DensePose模型。模型的选择可能会影响姿态估计的准确性和性能。
  • Comfy dtype: COMBO[STRING]
  • Python dtype: List[str]
• cmap
  • 决定用于可视化姿态估计结果的颜色映射。不同的颜色映射可以提供不同的视觉清晰度和美感。
  • Comfy dtype: COMBO[STRING]
  • Python dtype: List[str]
• resolution
  • 处理前将输入图像调整到的分辨率。更高的分辨率可能会导致更详细的姿态估计，但可能会增加处理时间。
  • Comfy dtype: INT
  • Python dtype: int

Output types

• image
  • 输出一个根据所选颜色映射可视化的密集姿态估计图像。
  • Comfy dtype: IMAGE
  • Python dtype: Tuple[torch.Tensor]

Usage tips

• Infra type: GPU
• Common nodes: unknown

Source code

class DensePose_Preprocessor:
    @classmethod
    def INPUT_TYPES(s):
        return create_node_input_types(
            model=(["densepose_r50_fpn_dl.torchscript", "densepose_r101_fpn_dl.torchscript"], {"default": "densepose_r50_fpn_dl.torchscript"}),
            cmap=(["Viridis (MagicAnimate)", "Parula (CivitAI)"], {"default": "Viridis (MagicAnimate)"})
        )

    RETURN_TYPES = ("IMAGE",)
    FUNCTION = "execute"

    CATEGORY = "ControlNet Preprocessors/Faces and Poses Estimators"

    def execute(self, image, model, cmap, resolution=512):
        from controlnet_aux.densepose import DenseposeDetector
        model = DenseposeDetector \
                    .from_pretrained(filename=model) \
                    .to(model_management.get_torch_device())
        return (common_annotator_call(model, image, cmap="viridis" if "Viridis" in cmap else "parula", resolution=resolution), )