Cómoda UI Anyline

cualquier línea

Un preprocesador de detección de líneas rápido, preciso y detallado

Anyline es un preprocesador de líneas ControlNet que extrae con precisión los bordes de los objetos, los detalles de las imágenes y el contenido textual de la mayoría de las imágenes. Los usuarios pueden ingresar cualquier tipo de imagen para obtener rápidamente dibujos lineales con bordes claros, suficiente preservación de detalles y texto de alta fidelidad, que luego se utilizan como entrada para la generación condicional en Stable Diffusion.

Detalles técnicos

El modelo y los algoritmos utilizados en Anyline se basan en esfuerzos innovadores derivados del documento "Modelo diminuto y eficiente para la generalización de la detección de bordes (TEED)" (arXiv:2308.06468). El ajuste preestablecido de TEED en ComfyUI también se origina a partir de este trabajo, lo que lo caracteriza como un poderoso algoritmo visual (TEED es actualmente el estado del arte). Para obtener más detalles, consulte el documento.

Comparación con otros preprocesadores de extracción de líneas

Anyline utiliza una resolución de procesamiento de 1280 px y, por lo tanto, las comparaciones se realizan con esta resolución. En comparación con otros preprocesadores de líneas de uso común, Anyline ofrece ventajas sustanciales en precisión de contornos, detalles de objetos, texturas de materiales y reconocimiento de fuentes (especialmente en escenas grandes). También funciona mejor a la hora de reducir el ruido en la mayoría de las escenas, lo que da como resultado un procesamiento de imágenes más limpio con menos imprecisiones durante la generación.

Descripción general de efectos

Anyline, en combinación con el modelo Mistoline ControlNet, forma un flujo de trabajo SDXL completo, maximizando el control preciso y aprovechando las capacidades generativas del modelo SDXL. Anyline también se puede utilizar en flujos de trabajo SD1.5 con ControlNet de SD1.5, aunque generalmente funciona mejor en la configuración Anyline+MistoLine dentro del flujo de trabajo SDXL.

Nota: El resultado final depende en gran medida del modelo base utilizado. Seleccione el modelo base adecuado según sus necesidades.

Vídeotutorial

¡Muy pronto!

Instalación

Para utilizar Anyline como complemento de ComfyUI, ¡primero debe instalar comfortui_controlnet_aux! Puedes seguir las instrucciones aquí: https://github.com/Fannovel16/comfyui_controlnet_aux?tab=readme-ov-file#installation

Una vez que haya instalado comfortui_controlnet_aux, siga estos pasos:

1. Abra su línea de comando IDE y ComfyUI, asegurándose de que los entornos Python coincidan.
2. Navegue al directorio de nodos personalizados:

    cd custom_nodes
   

3. Clona el repositorio o descárgalo manualmente y colócalo en el directorio ComfyUI/custom_nodes:

    git clone https://github.com/TheMistoAI/ComfyUI-Anyline.git
   

4. Navegue hasta el directorio clonado:

    cd ComfyUI-Anyline
   

5. Instalar dependencias:

    pip install -r requirements.txt
   

6. El modelo se descargará automáticamente tras el primer uso. Si esto falla, descárguelo manualmente desde HuggingFace Repo y coloque el archivo .pth en el directorio especificado.

Flujo de trabajo cómodo de UI

Tras la instalación, se puede acceder al preprocesador Anyline en ComfyUI mediante la búsqueda o haciendo clic derecho. El flujo de trabajo estándar usando Anyline+Mistoline en SDXL es el siguiente

Puede descargar este flujo de trabajo JSON aquí: ComfyUI Workflow

Uso en A1111 sd-webui-controlnet

Siga las instrucciones en Mikubill/sd-webui-controlnet#2907.

Limitaciones y desarrollo futuro

• Anyline puede encontrar dificultades con imágenes que muestran desenfoques similares a los de una cámara o un enfoque suave, y puede requerir iteraciones basadas en los comentarios de la comunidad.
• También planeamos contactar al autor de ComfyUI o al desarrollador de ComfyUI-Controlnet para integrar Anyline en ComfyUI para facilitar su uso en el futuro.

中国（大陆地区）便捷下载地址 (MTEED.pth):

Artículo: https://pan.baidu.com/s/1ik11P_u1vK8mI4q33v0MTQ?pwd=v8f1
提取码：v8f1

Citación

 @InProceedings { Soria_2023teed ,
    author    = { Soria, Xavier and Li, Yachuan and Rouhani, Mohammad and Sappa, Angel D. } ,
    title     = { Tiny and Efficient Model for the Edge Detection Generalization } ,
    booktitle = { Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops } ,
    month     = { October } ,
    year      = { 2023 } ,
    pages     = { 1364-1373 }
}