comfyui-lsnet

「我这双眼睛，能将黑暗看得一清二楚」

                                                 —— 宇智波佐助

“Kaloscope”（万花筒）致敬万花筒写轮眼，象征忍术(画风)复刻能力

核心能力

基于 LSNet 技术核心，本工具聚焦两大核心场景：

1. 画风分类：精准识别单幅作品的风格属性（如动漫、写实、水彩、国风等），如同写轮眼一眼看穿事物本质，快速完成风格标签匹配；

2. 画风聚类：自动对多组作品按风格特征进行归类聚合，筛选出风格相似的作品群体，实现批量风格整理与分析，提升处理效率

第一步：下载必要文件

前往 Hugging Face 仓库，下载两个核心文件：

• best_checkpoint.pth（LSNet 模型权重文件，决定画风分类与聚类的精度）

• class_mapping.csv（风格类别映射配置文件，适配不同画风标签的识别与归类）

仓库地址：https://huggingface.co/heathcliff01/Kaloscope/tree/main

第二步：文件放置与环境配置

1. 创建目录结构

在 ComfyUI 的models目录下，新建名为lsnet的文件夹（专门存放 LSNet 相关模型文件）；

进入lsnet文件夹后，可随意创建一个子文件夹（如 “checkpoints”“kaloscope_core” 等，名称无强制要求，用于归类核心文件）。

目录结构示例：

ComfyUI/

└── models/

    └── lsnet/

        └── 子文件夹名称/  # 例："sharingan\_checkpoints"

            ├── best\_checkpoint.pth

            └── class\_mapping.csv

相关操作截图：

• 新建lsnet文件夹：

• 在lsnet内创建子文件夹：

2. 安装依赖

将上述两个文件放入子文件夹后，执行以下命令安装 LSNet 运行所需依赖：

pip install -r requirements.txt

第三步：启动 ComfyUI 并使用

1. 按常规方式启动 ComfyUI

2. 在画风分析工作流中，调用 LSNet 相关节点，即可触发 “画风分类” 或 “画风聚类” 功能 —— 如同佐助开启万花筒写轮眼，精准掌控风格识别与归类效果。

基础使用示例

进阶功能说明

除基础的 “画风分类” 与 “画风聚类” 外，项目还支持 高阶风格特征提取—— 如同万花筒写轮眼的 “进阶形态”，可深度解析画风的核心元素（如笔触密度、色彩分布、构图比例），生成详细的风格特征报告，适用于精细化风格对比、定制化风格训练等高阶场景。具体使用教程将在后续更新中补充（当前优先保障基础 “写轮眼能力” 的轻量化体验）