comfyui中，sam detector与yoloworld图像分割算法测试以及影响

🍖背景

图像处理中，经常会用到图像分割，在默认的comfyui图像加载中就有一个sam detector的功能，yoloworld是前一段时间公开的一个更强大的图像分割算法，那么这两个差别大吗？在实际应用中有什么区别吗？我们今天就简单测试一下。

🍦测试效果

首先，我们搭建一个简单的测试用工作流。

第一张测试图片为一个比较好抠图的香水瓶。

 用两种方式抠图之后的效果对比：

大家可以点击图片查看大图看一下实际效果。

可以看出，乍一看都没问题，仔细一看，yoloworld对于边缘的抠图效果会细腻很多。可能有些小朋友会纳闷了，就这么点区别，实际应用中应该没啥区别，所以凑合用应该也没问题......吧？

是这样吗？

我们接着看如果使用这两种抠图方式，配合brushnet来给物体画背景，效果会如何呢？

我来贴两张图。

注意看边缘毛刺的部分，左边的效果会好些，毛刺少一点。这张就是yoloworld抠图之后的效果图。

我们可以尝试换一个背景试试看：

可以看出这次右边的效果好一点，瓶子底部的白色反光更自然一点点，这张，也是yoloworld抠图后的效果。所以，每一步都细致一点，对于最终的输出质量是有不小的影响的。

如果我们抠图的元素复杂一点呢？

比如说这张图：

抠图的效果大概是这样：

左侧可以比较好的把瓶子主体和遮挡部分抠出来，右边元素就比较凌乱了。

可以想象对最终输出结果的影响会很大，我们试试看。

没错，这次右边是yoloworld出图的效果，而左边是sam detector的效果。

稍微仔细调整下提示词，我们再来对比下：

左边是yoloworld，右边是sam detector,可以看出瓶子本身还是左侧保持的好一些。

结论：如果想要更好的抠图效果，保持图像的边缘干净，yoloworld的分割效果比默认的sam detector好不少，可以省去不少后期调整的工作量。建议使用。

如果对你有帮助，记得点赞收藏哦~

✨写在最后

如果对comfyui还不熟悉的话，最近面向ComfyUI的新手，写了一门系统性入门图文课程，现在已经更新完成了，内容主要包括如何下载软件、如何搭建自己的工作流、关键基础节点讲解、遇到报错怎么解决等等，如果大家在学习过程中遇到什么问题，也可以直接对应的文章下留言，会持续更新相关答疑内容哈。欢迎订阅哦~

https://blog.csdn.net/jumengxiaoketang/category_12683612.html

​​​

感谢大家的支持~