50 lines
2.0 KiB
Markdown
50 lines
2.0 KiB
Markdown
# Documentation
|
|
- Class name: SplitLongMask
|
|
- Category: ♾️Mixlab/Mask
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/shadowcz007/comfyui-mixlab-nodes.git
|
|
|
|
SplitLongMask节点旨在根据指定的数量或高度，将单个大型掩码分割成多个较小的掩码。这一过程增强了掩码在各种场景中的可管理性和适用性，例如在图像分割或目标跟踪中，更倾向于使用更小、更易管理的单元。
|
|
|
|
# Input types
|
|
## Required
|
|
- long_mask
|
|
- long_mask参数是SplitLongMask节点的主要输入。它代表了一个需要被分割的大型掩码。这个掩码的质量和尺寸直接影响输出，决定了结果中较小掩码的特性。
|
|
- Comfy dtype: MASK
|
|
- Python dtype: torch.Tensor
|
|
## Optional
|
|
- count
|
|
- count参数规定了希望输出的较小掩码的数量。它在确定结果掩码的大小和数量方面起着至关重要的作用，这对于需要特定分布的掩码段的应用来说是必不可少的。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
|
|
# Output types
|
|
- masks
|
|
- SplitLongMask节点的输出，masks，是从原始的long_mask派生出的一个较小掩码的列表。这些掩码对于从分段掩码输入中受益的应用至关重要，例如图像处理或涉及基于掩码操作的机器学习任务。
|
|
- Comfy dtype: MASK
|
|
- Python dtype: List[torch.Tensor]
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class SplitLongMask:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'long_mask': ('MASK',), 'count': ('INT', {'default': 1, 'min': 1, 'max': 1024, 'step': 1})}}
|
|
RETURN_TYPES = ('MASK',)
|
|
FUNCTION = 'run'
|
|
CATEGORY = '♾️Mixlab/Mask'
|
|
OUTPUT_IS_LIST = (True,)
|
|
|
|
def run(self, long_mask, count):
|
|
masks = []
|
|
nh = long_mask.shape[0] // count
|
|
if nh * count == long_mask.shape[0]:
|
|
masks = split_mask_by_new_height(long_mask, nh)
|
|
else:
|
|
masks = split_mask_by_new_height(long_mask, long_mask.shape[0])
|
|
return (masks,)
|
|
``` |