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

Documentation

• Class name: Inference_Core_ShufflePreprocessor
• Category: ControlNet Preprocessors/T2IAdapter-only
• Output node: False
• Repo Ref: https://github.com/comfyanonymous/ComfyUI

Inference_Core_ShufflePreprocessor节点用于通过应用内容重排操作来预处理图像。该操作旨在检测并可能重新排列图像中的元素，以增强或修改其内容，为进一步的处理步骤做准备，特别是在需要内容操作或增强的任务中。

Input types

Required

• image
  • 需要处理的图像。这是内容重排操作的主要输入，作为检测和重新排列图像内元素的基础。
  • Comfy dtype: IMAGE
  • Python dtype: torch.Tensor
• resolution
  • 指定处理前应将图像调整到的分辨率。这影响重排操作的粒度，较高的分辨率允许进行更详细的操作。
  • Comfy dtype: INT
  • Python dtype: int
• seed
  • 用于重排操作的随机数生成器的种子。这允许在不同运行之间重现重排效果。
  • Comfy dtype: INT
  • Python dtype: int

Output types

• image
  • 应用内容重排操作后的处理图像。这个输出可以用于进一步的处理或分析。
  • Comfy dtype: IMAGE
  • Python dtype: torch.Tensor

Usage tips

• Infra type: GPU
• Common nodes: unknown

Source code

class Shuffle_Preprocessor:
    @classmethod
    def INPUT_TYPES(s):
        return {
            "required": dict(
                image=("IMAGE",),
                resolution=("INT", {"default": 512, "min": 64, "max": MAX_RESOLUTION, "step": 64}),
                seed=("INT", {"default": 0, "min": 0, "max": 0xffffffffffffffff})
            )
        }
    RETURN_TYPES = ("IMAGE",)
    FUNCTION = "preprocess"

    CATEGORY = "ControlNet Preprocessors/T2IAdapter-only"

    def preprocess(self, image, resolution=512, seed=None):
        from controlnet_aux.shuffle import ContentShuffleDetector

        return (common_annotator_call(ContentShuffleDetector(), image, resolution=resolution, seed=seed), )