UI Nyaman Anyline

Kapan saja

Preprocessor Pendeteksi Garis yang Cepat, Akurat, dan Terperinci

Anyline adalah praprosesor garis ControlNet yang secara akurat mengekstraksi tepi objek, detail gambar, dan konten tekstual dari sebagian besar gambar. Pengguna dapat memasukkan semua jenis gambar untuk mendapatkan gambar garis dengan cepat dengan tepi yang jelas, pelestarian detail yang memadai, dan teks dengan ketelitian tinggi, yang kemudian digunakan sebagai masukan untuk pembuatan kondisional dalam Difusi Stabil.

Detail Teknis

Model dan algoritme yang digunakan di Anyline didasarkan pada upaya inovatif yang berasal dari makalah "Model Kecil dan Efisien untuk Generalisasi Deteksi Tepi (TEED)" (arXiv:2308.06468). Prasetel TEED di ComfyUI juga berasal dari karya ini, menandainya sebagai algoritme visual yang kuat (TEED saat ini merupakan yang tercanggih). Untuk lebih jelasnya, silakan merujuk ke makalah.

Perbandingan dengan Preprosesor Ekstraksi Jalur Lainnya

Anyline menggunakan resolusi pemrosesan 1280px, dan karenanya perbandingan dibuat pada resolusi ini. Dibandingkan dengan praprosesor garis lain yang umum digunakan, Anyline menawarkan keunggulan besar dalam akurasi kontur, detail objek, tekstur material, dan pengenalan font (terutama dalam pemandangan besar). Performanya juga lebih baik dalam mengurangi noise di sebagian besar pemandangan, sehingga menghasilkan pemrosesan gambar yang lebih bersih dengan lebih sedikit ketidakakuratan selama pembuatan.

Ikhtisar Efek

Anyline, dikombinasikan dengan model Mistoline ControlNet, membentuk alur kerja SDXL yang lengkap, memaksimalkan kontrol yang presisi dan memanfaatkan kemampuan generatif model SDXL. Anyline juga dapat digunakan dalam alur kerja SD1.5 dengan ControlNet SD1.5, meskipun secara umum kinerjanya lebih baik dalam pengaturan Anyline+MistoLine dalam alur kerja SDXL.

Catatan: Hasil akhir sangat bergantung pada model dasar yang digunakan. Silakan pilih model dasar yang sesuai dengan kebutuhan Anda.

Video Tutorial

Segera hadir!

Instalasi

Untuk menggunakan Anyline sebagai plugin ComfyUI, Anda perlu menginstal comfortui_controlnet_aux terlebih dahulu! Anda dapat mengikuti petunjuk di sini: https://github.com/Fannovel16/comfyui_controlnet_aux?tab=readme-ov-file#installation

Setelah Anda menginstal comfortui_controlnet_aux, ikuti langkah-langkah berikut:

1. Buka baris perintah IDE dan ComfyUI Anda, pastikan lingkungan Python cocok.
2. Arahkan ke direktori node khusus:

    cd custom_nodes
   

3. Kloning repositori, atau unduh repositori ini secara manual dan letakkan di direktori ComfyUI/custom_nodes:

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

4. Arahkan ke direktori kloning:

    cd ComfyUI-Anyline
   

5. Instal dependensi:

    pip install -r requirements.txt
   

6. Model akan diunduh secara otomatis saat pertama kali digunakan. Jika gagal, unduh secara manual dari HuggingFace Repo dan letakkan file .pth di direktori yang ditentukan.

Alur Kerja UI yang Nyaman

Setelah instalasi, praprosesor Anyline dapat diakses di ComfyUI melalui pencarian atau klik kanan. Alur kerja standar menggunakan Anyline+Mistoline di SDXL adalah sebagai berikut

Anda dapat mengunduh JSON alur kerja ini di sini: Alur Kerja ComfyUI

Gunakan di A1111 sd-webui-controlnet

Ikuti instruksi di Mikubill/sd-webui-controlnet#2907.

Keterbatasan dan Perkembangan Masa Depan

• Anyline mungkin mengalami kesulitan dengan gambar yang menunjukkan buram atau fokus lembut seperti kamera, dan mungkin memerlukan pengulangan berdasarkan masukan komunitas.
• Kami juga berencana untuk menghubungi penulis ComfyUI atau pengembang ComfyUI-Controlnet untuk mengintegrasikan Anyline ke ComfyUI agar lebih mudah digunakan di masa mendatang.

中国（大陆地区）便捷下载地址 (MTEED.pth)：

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

Kutipan

 @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 }
}