From adb1de6329ed1350d5729838f094eba70db6ee1c Mon Sep 17 00:00:00 2001 From: rui40000 Date: Tue, 18 Aug 2026 12:00:04 +0800 Subject: [PATCH] =?UTF-8?q?feat:=20Unmult=20=E8=8A=82=E7=82=B9=E6=96=B0?= =?UTF-8?q?=E5=A2=9E=20AI=20=E4=B8=BB=E4=BD=93=E4=BF=9D=E6=8A=A4=EF=BC=88?= =?UTF-8?q?=E5=8F=AF=E9=80=89=20subject=5Fmask=20=E8=BE=93=E5=85=A5?= =?UTF-8?q?=EF=BC=89?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 接入 FeyNobg/Lucida/BiRefNet 等抠图节点输出的 mask， 执行 max(unmult_α, subject_mask) 合并， 防止主体中与背景色相近的区域被误判为透明。 不连接时行为不变，向后兼容。 Co-Authored-By: Claude Opus 4.6 --- unmult_node.py | 48 ++++++++++++++++++++++++++++++++++++++++-------- 1 file changed, 40 insertions(+), 8 deletions(-) diff --git a/unmult_node.py b/unmult_node.py index bfac7a4..351d9c3 100644 --- a/unmult_node.py +++ b/unmult_node.py @@ -9,6 +9,11 @@ 其中 B 为已知背景色。通过各通道与背景色的差异反推 α 和前景色 F。 支持任意背景色（黑/白/绿幕/自定义），纯数学变换，无模型推理。 +AI 主体保护（可选）：接入 BiRefNet / FeyNobg 等抠图节点输出的 subject_mask， +用 max(unmult_α, subject_mask) 合并，防止主体中与背景色相近的区域被误判为透明。 +典型场景：黑底光效中人物穿黑衣 → 纯 Unmult 会让黑衣半透明， +接入主体 mask 后黑衣区域强制保留为不透明。 + 支持批量输入（序列帧/视频帧），逐帧处理后堆叠输出。 """ @@ -31,14 +36,16 @@ def _hex_to_rgb01(hex_str: str) -> tuple: def _unmult_frame(rgb: np.ndarray, bg_color: tuple, alpha_low: float, alpha_high: float, + subject_mask: np.ndarray = None, epsilon: float = 1e-6) -> tuple: - """对单帧图像执行 Unmult 去底。 + """对单帧图像执行 Unmult 去底，可选主体保护。 参数: rgb: float32 [H,W,3] 值域 [0,1] bg_color: (R,G,B) 值域 [0,1] alpha_low: 黑点（低于此值的 alpha 映射为 0） alpha_high: 白点（高于此值的 alpha 映射为 1） + subject_mask: float32 [H,W] 值域 [0,1]，主体区域为 1 返回: (foreground [H,W,3], alpha [H,W]) 均 float32 @@ -56,6 +63,9 @@ def _unmult_frame(rgb: np.ndarray, bg_color: tuple, span = max(alpha_high - alpha_low, epsilon) alpha = np.clip((alpha - alpha_low) / span, 0.0, 1.0) + if subject_mask is not None: + alpha = np.maximum(alpha, subject_mask) + alpha_safe = np.maximum(alpha, epsilon) foreground = bg + diff / alpha_safe[..., np.newaxis] foreground = np.clip(foreground, 0.0, 1.0) @@ -67,7 +77,8 @@ def _unmult_frame(rgb: np.ndarray, bg_color: tuple, class RuiUnmult: - """半透明抠图（Unmult）：指定背景色，纯数学去底，输出 RGBA 图像 + Alpha 蒙版。""" + """半透明抠图（Unmult）：指定背景色，纯数学去底，输出 RGBA 图像 + Alpha 蒙版。 + 可选接入 AI 主体保护 mask，防止主体中近似背景色的区域被误判为透明。""" @classmethod def INPUT_TYPES(cls): @@ -82,9 +93,6 @@ class RuiUnmult: "常用值：#000000（黑底）、#FFFFFF（白底）、" "#00FF00（绿幕）、#FF00FF（品红）。" }), - # 用中文参数名 + display:slider，界面上就是「黑点／白点」两条滑块， - # 与 LayerStyle 的 BiRefNet Ultra 观感一致。 - # 中文名不能直接做函数形参，故 unmult() 统一用 **kwargs 接收。 "黑点": ("FLOAT", { "default": 0.0, "min": 0.0, "max": 0.5, "step": 0.01, "display": "slider", @@ -98,6 +106,17 @@ class RuiUnmult: "调低可让主体更实、减少半透明损失，但过低会让边缘硬化。" }), }, + "optional": { + "subject_mask": ("MASK", { + "tooltip": "AI 主体保护遮罩（可选）。\n" + "接入 FeyNobg / Lucida / BiRefNet 等抠图节点输出的 alpha，\n" + "节点会执行 max(unmult_α, subject_mask) 合并：\n" + "主体内部强制不透明，光效边缘保留半透明。\n\n" + "典型场景：黑底光效中人物穿黑衣 →\n" + "纯 Unmult 会让黑衣半透明，接入主体 mask 后黑衣保留。\n\n" + "不连接时等同于纯 Unmult，无 AI 介入。" + }), + }, } RETURN_TYPES = ("IMAGE", "MASK") @@ -106,12 +125,11 @@ class RuiUnmult: CATEGORY = "Rui-Node🐶/抠图✂️" def unmult(self, **kwargs): - # 「黑点／白点」是中文参数名，无法直接写进函数签名，统一从 kwargs 取。 - # 同时兼容旧的英文名，避免早先保存的工作流失配。 image = kwargs.get("image") bg_color = kwargs.get("bg_color", "#000000") alpha_low = kwargs.get("黑点", kwargs.get("alpha_low", 0.0)) alpha_high = kwargs.get("白点", kwargs.get("alpha_high", 1.0)) + subject_mask_tensor = kwargs.get("subject_mask", None) bg_rgb = _hex_to_rgb01(bg_color) @@ -126,8 +144,22 @@ class RuiUnmult: for i in range(B): frame = image[i].cpu().numpy().astype(np.float32) + + smask = None + if subject_mask_tensor is not None: + if subject_mask_tensor.dim() == 2: + raw = subject_mask_tensor.cpu().numpy().astype(np.float32) + else: + idx = min(i, subject_mask_tensor.shape[0] - 1) + raw = subject_mask_tensor[idx].cpu().numpy().astype(np.float32) + if raw.shape[0] != H or raw.shape[1] != W: + import cv2 + raw = cv2.resize(raw, (W, H), interpolation=cv2.INTER_LINEAR) + smask = np.clip(raw, 0.0, 1.0) + fg, a = _unmult_frame(frame, bg_rgb, - float(alpha_low), float(alpha_high)) + float(alpha_low), float(alpha_high), + subject_mask=smask) rgba = np.concatenate([fg, a[..., np.newaxis]], axis=-1) fg_list.append(torch.from_numpy(rgba)) alpha_list.append(torch.from_numpy(a))