comfyui使用

按住鼠标拖动，滚动中建缩放。
如果你搞砸了，只需点击 Load Default 菜单将其重置为初始状态即可。
双击界面弹出节点搜索框

通过单击右下角 Queue Prompt 菜单，或按 Ctrl + Enter来启动工作流。

将comfyui生成的图像或者json文件，拖到界面中，或者点击右下角的load，即可加载工作流。

借助基于节点的界面，您可以构建由数十个节点组成的工作流，从而实现一些非常整洁的图像生成管道。

请找到名为 extra_model_paths.yaml.example 的文件，将其重命名为 extra_model_paths.yaml，在里面指定模型文件的位置。

节点：
节点的基本结构，就是若干个输入输出。
若干个节点就组成了一张网，实际上就是数据结构里面的图，完成我们的图像生成任务。

核心节点：
模型加载器，包括主模型即stable diffusion，以及其它各种模型，clip什么扩展模型加载节点
条件控制节点：包括文本提示，controlNet， mask等
Image节点
潜变量
采样器

安装好模型之后，点击refresh 刷新，不用重启

了解您需要下载哪些模型的最佳方法是打开 ComfyUI Manager 并继续“安装模型”部分。在这里，您将找到每个节点需要或建议下载的所有模型的列表。

一些其它相关的算法

Ground DINO

Grounding DINO可以根据文字描述检测指定目标。
当Grounding DINO和stable diffusion结合时，就会出现更加神奇的功能–自动P图。如下图右侧，你告诉它：“将左侧的狮子变成狗”，它就会帮你把左边的狮子P成狗。

Grounding DINO的整体结构如下图所示。Grounding DINO是一个双encoder单decoder结构，它包含了一个image backbone用于提取image feature、一个text backbone用于提取text feature、一个feature enhancer用于融合image和text feature、一个language-guide query selection模块用于query初始化、一个cross-modality decoder用于bbox预测。

GroundDino Sam

来源 https://github.com/IDEA-Research/Grounded-Segment-Anything?tab=readme-ov-file
官方介绍 将 Grounding-DINO 与 Segment Anything & Stable Diffusion 相结合，并识别任何内容 - 自动检测、分割和生成任何内容。

首先结合GroundDino和sam，就是通过语言分割任何物品。但是sam本来就有根据文本检测的功能，但是sam的文本提示应该是clip，估计提示能力不够强，使用GroundDino效果的更强吧。