comfyui一键电商图片换背景工作流,进阶版,实测好用!

comfyui简直太好用了,只要你搭建好工作流,做很多图像或者设计只要一键即可完成,通过昨天的借鉴学习复盘测试,终于搭建好这一个comfyui电商工作流,无论是换人物还是产品都有比较好的效果,实测好用,感性的朋友可以继续看下去,希望对您有所启发,更希望您能给我更多的建议和指导!

img

以上是这个工作流的整体流程图,原理说起来很简单一共分四步骤:

1.segment anything分割图片制作遮罩

将图片用segment anything 节点将你要换背景的产品从原有的图片分离出来,并invert mask图片再将图片编码用VAE encode节点注意这里要用for inpainting(图像修改或者局部重绘),将图片编码然后以潜变量的方式传入到潜空间!如图

img

这里值得注意的是有些同学用segment anything的时候总会出现报错,原因大概是因为grounding dino这个文件的配置和模型名称不一致,具体你可以在manager管理器中查看他的正确名称修改对即可!

img

还有的同学报错是因为SAM model loader的时候选择成了与impact冲击包对应的sam loder这里一要注意配套使用,选择segment anything 套装!

img

这样最后将编码后的潜空间信息输入到第一个ksampler(采样器),接下来第二步!

2.controlnet canny采样器控制产品细节不变形

controlnet都会吧,不会可以看我王往期的教程,这里只说一点controlnet提供的图片,可以从grounding dino segment这个节点的image图片输出项直接输出。

img

然后将controlnet的输入条件分别连接正反项提示词,把输出项的postive和negative分别输入到第一个KSAMPLER和第二个ksampler这样在每个步骤都控制图像的细节不发生大的变化!

这里设置采样两次,第二次相当于图生图,是为了修饰图像的结构即光影就是让图像产生更美观的效果!两个采样器连接可以是第一个采样器vae decode后面直接连接 vae eccode,这样即可把像素空间的图片继续转入潜空间再加工!

img

然后就是放大流程了,这个简单了,我这里用的是模型放大不会的可以看我往期的文章,我截图出来供大家参考!

img

好了今天这篇文章就到这里,最后放几张我给这个紫色瓶子换背景的图片,供各位参考!

img

当然你也可以用ipadaper把其他产品的风格直接迁移到这个工作流里,这样可以按图生图,会有很不错的效果!这部分的工作流搭配如下图所示!

img

继续欣赏沙滩、夕阳下的瓶子,好了快上传你的产品,白底图效果更好哦!

img

非广告专业,但是我知道设计专业的你,稍微配合一点文案,就是爆款!好了今天就到这里,最近会上传在进阶版的电商一键换背景图片!

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

为了帮助大家更好地掌握 ComfyUI,我在去年花了几个月的时间,撰写并录制了一套ComfyUI的基础教程,共六篇。这套教程详细介绍了选择ComfyUI的理由、其优缺点、下载安装方法、模型与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、ComfyUI配置指南

  • 报错指南
  • 环境配置
  • 脚本更新
  • 后记

img

二、ComfyUI基础入门

  • 软件安装篇
  • 插件安装篇

img

三、 ComfyUI工作流节点/底层逻辑详解

  • ComfyUI 基础概念理解
  • Stable diffusion 工作原理
  • 工作流底层逻辑
  • 必备插件补全

img

四、ComfyUI节点技巧进阶/多模型串联

  • 节点进阶详解
  • 提词技巧精通
  • 多模型节点串联

img

五、ComfyUI遮罩修改重绘/Inpenting模块详解

  • 图像分辨率
  • 姿势

img

六、ComfyUI超实用SDXL工作流手把手搭建

  • Refined模型
  • SDXL风格化提示词
  • SDXL工作流搭建

img

img

这份完整版的学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

Spring Boot中的`ThreadPoolTaskExecutor`是一个线程池管理工具,可以用来执行异步任务,包括批量处理数据。当需要处理大量数据,特别是涉及到数据库的插入操作时,使用线程池可以提高性能,因为它可以并发地执行多个插入操作,减少阻塞。 批量插入百万级数据时,你可以按照以下步骤操作: 1. 配置ThreadPoolTaskExecutor:首先,在Spring Boot应用的配置类中(如`ApplicationConfig`或`MyConfig`),定义一个`ThreadPoolTaskExecutor`,设置核心线程数、最大线程数和队列大小等参数。例如: ```java @Bean public ThreadPoolTaskExecutor taskExecutor() { ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor(); executor.setCorePoolSize(10); // 核心线程数 executor.setMaxPoolSize(20); // 最大线程数 executor.setQueueCapacity(1000); // 队列大小 executor.setThreadNamePrefix("data-import-"); executor.initialize(); return executor; } ``` 2. 创建批量操作类:创建一个包含`Runnable`接口的类,用于封装批量插入操作。比如,如果你的数据源是JPA,可以创建一个`JpaInsertBatch`类: ```java public class JpaInsertBatch implements Runnable { private List<YourEntity> entities; // 你需要插入的数据列表 @Override public void run() { entityManager.persistAll(entities); } } ``` 3. 批量提交任务:使用`ThreadPoolTaskExecutor`来执行批量插入任务,循环提交你的数据列表到线程池: ```java @Autowired private ThreadPoolTaskExecutor taskExecutor; List<YourEntity> largeDataList = ... // 获取你的百万级数据 for (int i = 0; i < largeDataList.size(); i += batchSize) { int endIndex = Math.min(i + batchSize, largeDataList.size()); taskExecutor.execute(new JpaInsertBatch(largeDataList.subList(i, endIndex))); } ``` 4. 评估性能:实测时,记录开始和结束时间,计算整个过程的耗时,并根据实际情况调整线程池参数,以达到最佳性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值