 rui40000
|
c6acb9f7d4
|
fix: 修复 RGBA 输入导致的通道数报错
抠图类节点（BiRefNet Ultra V2、RMBG 等）的 image 输出为 4 通道 RGBA，
此前节点直接把它喂给 VAE 编码器，触发：
Given groups=1, weight of size [128, 3, 3, 3],
expected input[1, 4, 1024, 1024] to have 3 channels, but got 4 channels instead
现按 ComfyUI 惯例收敛输入通道：RGBA 丢弃 alpha、灰度扩成三通道、
其余通道数给出可读报错而非让 VAE 抛形状错误。
BiRefNetUltraV2 的 image 输出由 RGB2RGBA(原图, mask) 合成，RGB 三通道
未被 premultiply，因此丢弃 alpha 后即还原原图 —— 实测 RGBA 与 RGB 输入
的输出逐像素完全一致（最大差异 0.00000000），该接法无需调整工作流。
|
2026-07-16 11:26:09 +08:00 |
|
|
rui40000andClaude Opus 4.8
|
e1a575fcda
|
feat: 新增 SDMatte 精细抠图节点，实测复现官方效果
基于 SDMatte（vivo 相机研究院，ICCV 2025）的交互式抠图节点，
擅长发丝、绒毛、玻璃、烟雾等常规抠图模型处理不好的边缘。
实现要点：
- 严格照搬官方 configs/SDMatte.py 的推理配置（bbox 视觉提示、fp32、1024 分辨率），
不做任何启发式后处理，输出即模型原始 alpha
- 内置官方 LongfeiHuang/SDMatte 的配置文件，无需下载 SD 2.1 权重，也无需联网。
官方 load_weight=False 只用 config 搭骨架，全部权重由 checkpoint 覆盖；
原版 SD 2.1 的 config 缺 bbox_time_embed_dim 等三个专有字段，缺字段时直接报错而非猜测
- 同时支持官方 .pth（12.1GB）与社区 .safetensors（5.19GB）。两者模型权重实测
逐像素完全相同，pth 多出的 6.5GB 是 detectron2 的优化器状态；读 pth 时以受限
Unpickler 只解析 model 段，内存占用与 safetensors 相当
- 自动适配 transformers 5.x 移除 text_model 包装层导致的键名漂移，
避免 text_encoder 的 372 个权重被静默丢弃
- 加载后校验 1316 个张量全部对齐，有任何未覆盖/未使用的权重即中止报错
- 默认开启注意力分片，1024 下显存峰值由约 15.5GB 降至 9.1GB，速度反而略快
实测（官方效果图中的羊驼，对比官方公布 alpha）：MAD=0.0113。
同图同权重下 ComfyUI-SDMatte 为 MAD=0.0884，相差 7.8 倍，主因是其
aux_input="trimap" —— 官方 aux_input_list 只含 point_mask/bbox_mask/mask，
trimap 从未作为视觉提示参与训练，且该分支坐标恒为 [0,0,1,1]、定位信息丢失。
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
|
2026-07-16 11:16:36 +08:00 |
|