下图所示为通过Simple Detector (SEGS)节点获得原始图片中所有人脸的SEGS蒙版信息,然后通过图像分类模型再根据该节点的分类条件进行SEGS的分类,一共分为两类,一类是符合要求的filtered_SEGS蒙版,一类是不符合要求的remained_SEGS蒙版。
下图为接入上述探测内容进行人物面部的重绘过程,比如将画面中的男人进行面部重绘,使用sdxl模型在0.5的去噪强度下进行重绘,重绘结果如下图所示,同样的方式也可以用在其他的场景,比如人物年龄段的分类,动物的分类等等。
输入参数 | |
classifier | 来自 HuggingFace 的图像分类模型(如 ViT, ResNet),由 HF_TransformersClassifierProvider 提供。 |
segs | (图像分割结果)一个包含多个候选区域(segment)的对象,常由 SEGS_Generator 提供。 |
ref_image_opt | 原始图像,若 seg.cropped_image 为 None,此字段将从原图中裁剪 segment 区域,对于自定义 segment 或动态分割(如 YOLO),这是获取输入图的关键。 |
输出参数 | |
filtered_SEGS | 通过分类表达式条件筛选出来的 segment,满足条件的片段(常用于后续再生成或上色)。 |
remained_SEGS | 未通过分类条件的 segment(即被排除的),不满足条件的片段(可用于排除/备用)。 |
detected_labels | 所有被分类器检测到的标签名称,用于调试或分析。 |
控件参数 | |
preset_expr | 预设的分类逻辑表达式,如 #Female > #Male,用于判定是否保留该区域。 |
manual_expr | 如果 preset_expr 选择的是 'Manual expr',则使用这里手动输入的表达式,例如 female > 0.5。 |
下图所示为通过Simple Detector (SEGS)节点获得原始图片中所有人脸的SEGS蒙版信息,然后通过图像分类模型再根据该节点的分类条件进行SEGS的分类,一共分为两类,一类是符合要求的filtered_SEGS蒙版,一类是不符合要求的remained_SEGS蒙版。
下图为接入上述探测内容进行人物面部的重绘过程,比如将画面中的男人进行面部重绘,使用sdxl模型在0.5的去噪强度下进行重绘,重绘结果如下图所示,同样的方式也可以用在其他的场景,比如人物年龄段的分类,动物的分类等等。
可加入星球获取所有示例工作流~
微信扫码入群,加入AIGC大家庭吧!
如您有任何疑问和网站建议,也欢迎加入我们的QQ交流群!
QQ群:128763578
输入参数 | |
classifier | 来自 HuggingFace 的图像分类模型(如 ViT, ResNet),由 HF_TransformersClassifierProvider 提供。 |
segs | (图像分割结果)一个包含多个候选区域(segment)的对象,常由 SEGS_Generator 提供。 |
ref_image_opt | 原始图像,若 seg.cropped_image 为 None,此字段将从原图中裁剪 segment 区域,对于自定义 segment 或动态分割(如 YOLO),这是获取输入图的关键。 |
输出参数 | |
filtered_SEGS | 通过分类表达式条件筛选出来的 segment,满足条件的片段(常用于后续再生成或上色)。 |
remained_SEGS | 未通过分类条件的 segment(即被排除的),不满足条件的片段(可用于排除/备用)。 |
detected_labels | 所有被分类器检测到的标签名称,用于调试或分析。 |
控件参数 | |
preset_expr | 预设的分类逻辑表达式,如 #Female > #Male,用于判定是否保留该区域。 |
manual_expr | 如果 preset_expr 选择的是 'Manual expr',则使用这里手动输入的表达式,例如 female > 0.5。 |
下图所示为通过Simple Detector (SEGS)节点获得原始图片中所有人脸的SEGS蒙版信息,然后通过图像分类模型再根据该节点的分类条件进行SEGS的分类,一共分为两类,一类是符合要求的filtered_SEGS蒙版,一类是不符合要求的remained_SEGS蒙版。
下图为接入上述探测内容进行人物面部的重绘过程,比如将画面中的男人进行面部重绘,使用sdxl模型在0.5的去噪强度下进行重绘,重绘结果如下图所示,同样的方式也可以用在其他的场景,比如人物年龄段的分类,动物的分类等等。