ComfyUI Anyline

任意線

快速、準確、詳細的線路檢測預處理器

Anyline 是一個 ControlNet 行預處理器，可從大多數影像中準確提取物件邊緣、影像細節和文字內容。使用者可以輸入任何類型的影像，快速獲得邊緣清晰、細節保留充分、文字保真度高的線條圖，然後作為穩定擴散條件產生的輸入。

技術細節

Anyline 中使用的模型和演算法是基於「邊緣檢測泛化 (TEED) 的微型高效模型」論文 (arXiv:2308.06468) 的創新成果。 ComfyUI中的TEED預設也源自於這項工作，標誌著它是一種強大的視覺演算法（TEED是目前最先進的）。欲了解更多詳細信息，請參閱論文。

與其他線提取預處理器的比較

Anyline使用的處理解析度為1280px，因此在此解析度下進行比較。與其他常用的線條預處理器相比，Anyline 在輪廓精度、物件細節、材質紋理和字體識別（特別是在大場景中）方面具有顯著的優勢。它在大多數場景中的降噪方面也表現得更好，從而實現更清晰的影像處理，並在生成過程中減少不準確性。

效果概述

Anyline 與 Mistoline ControlNet 模型結合，形成完整的 SDXL 工作流程，最大限度地提高精確控制並利用 SDXL 模型的生成能力。 Anyline 還可以與 SD1.5 的 ControlNet 一起用於 SD1.5 工作流程，儘管它通常在 SDXL 工作流程中的 Anyline+MistoLine 設定中表現更好。

注意：最終結果很大程度上取決於所使用的基礎模型。請根據您的需求選擇合適的底座型號。

影片教學

即將推出！

安裝

要將 Anyline 作為 ComfyUI 插件使用，您需要先安裝 comfyui_controlnet_aux！您可以按照此處的說明進行操作：https://github.com/Fannovel16/comfyui_controlnet_aux?tab=readme-ov-file#installation

安裝 comfyui_controlnet_aux 後，請依照以下步驟操作：

1. 開啟 IDE 和 ComfyUI 命令列，確保 Python 環境相符。
2. 導航至自訂節點目錄：

    cd custom_nodes
   

3. 克隆儲存庫，或手動下載此儲存庫並將其放入 ComfyUI/custom_nodes 目錄中：

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

4. 導航到克隆的目錄：

    cd ComfyUI-Anyline
   

5. 安裝依賴項：

    pip install -r requirements.txt
   

6. 該模型將在首次使用時自動下載。如果失敗，請從 HuggingFace Repo 手動下載並將.pth檔案放在指定目錄中。

ComfyUI工作流程

安裝後，可以透過搜尋或右鍵點擊在 ComfyUI 中存取 Anyline 預處理器。 SDXL中使用Anyline+Mistoline的標準工作流程如下

您可以在此處下載此工作流程 JSON：ComfyUI Workflow

在 A1111 sd-webui-controlnet 中使用

請按照 Mikubil/sd-webui-controlnet#2907 中的說明進行操作。

限制和未來發展

• Anyline 可能會遇到類似相機模糊或柔焦的影像遇到困難，並且可能需要根據社群回饋進行迭代。
• 我們也計劃聯絡ComfyUI的作者或ComfyUI-Controlnet的開發者，將Anyline整合到ComfyUI中，以便將來更方便使用。

中國（大陸地區）便捷下載地址(MTEED.pth)：

連結：https://pan.baidu.com/s/1ik11P_u1vK8mI4q33v0MTQ?pwd=v8f1
提取碼：v8f1

引文

 @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 }
}