SAMDetector (segmented)

节点功能：使用 SAM (Segment Anything Model) 技术对输入的 SEGS 区域进行精确分割。

SAMDetector (segmented)-节点参数说明

输入参数
sam_model	预加载的 Segment Anything 模型实例。
segs	区域分割信息，仅包含位置与框信息，不含图像。
image	用于参考的原始图像。
输出参数
combined_mask	所有 SAM 区域掩码融合而成的联合掩码图。
batch_masks	每个区域单独输出的掩码集合，组成 batch。
控件参数
detection_hint	指定 SAM 使用的提示类型： center - 1：一个中心点作提示，基础常用。 horizontal - 2：两个水平点确定提示区域。 vertical - 2：两个垂直点确定提示区域。 rect - 4：四个点定义矩形作提示。 diamond - 4：四个点构成菱形作提示。 mask - area：用区域作提示分割目标。 mask - points：多个点辅助分割。 mask - point - bbox：点和边界框结合提示。 none：不使用提示。
dilation	对 SAM 输出 mask 进行形态学膨胀（正）或腐蚀（负）处理。
threshold	SAM 模型输出的 mask 置信度阈值。值越大掩码越精细（目标范围更小）。推荐范围 0.85~0.95。
bbox_expansion	SAM 在处理每个 bbox 时的额外边界扩展像素数。
mask_hint_threshold	当使用掩码作为提示时，用于控制提示掩码强度的阈值。影响提示点从原掩码中提取方式；建议保持默认值 0.7。
mask_hint_use_negative	是否使用负提示信息： False, Small, Outter。 Small 排除较小区域；Outter 排除区域外侧背景；提高多目标区分度。

以下分别是9种detection_hint模式的效果

本次重点测试的是 dilation 与 bbox_expansion 两个参数的区别：

dilation：对原始掩膜（mask）的边缘进行膨胀操作，即扩大已有 mask 区域的边缘范围，使目标边界更宽。
bbox_expansion：是在目标检测过程中，将原始的检测框（bounding box）进行扩展，从而在裁剪或处理时保留更多的 mask 区域，可能会引入更多周边信息。

两者都能扩大作用范围，但处理机制不同：dilation 针对的是掩膜边缘形态的直接扩张，而 bbox_expansion 是通过扩大定位框来间接保留更多区域。

ComfyUI-Impact-Pack

SAMDetector (segmented)

节点功能：使用 SAM (Segment Anything Model) 技术对输入的 SEGS 区域进行精确分割。

SAMDetector (segmented)-节点参数说明

输入参数
sam_model	预加载的 Segment Anything 模型实例。
segs	区域分割信息，仅包含位置与框信息，不含图像。
image	用于参考的原始图像。
输出参数
combined_mask	所有 SAM 区域掩码融合而成的联合掩码图。
batch_masks	每个区域单独输出的掩码集合，组成 batch。
控件参数
detection_hint	指定 SAM 使用的提示类型： center - 1：一个中心点作提示，基础常用。 horizontal - 2：两个水平点确定提示区域。 vertical - 2：两个垂直点确定提示区域。 rect - 4：四个点定义矩形作提示。 diamond - 4：四个点构成菱形作提示。 mask - area：用区域作提示分割目标。 mask - points：多个点辅助分割。 mask - point - bbox：点和边界框结合提示。 none：不使用提示。
dilation	对 SAM 输出 mask 进行形态学膨胀（正）或腐蚀（负）处理。
threshold	SAM 模型输出的 mask 置信度阈值。值越大掩码越精细（目标范围更小）。推荐范围 0.85~0.95。
bbox_expansion	SAM 在处理每个 bbox 时的额外边界扩展像素数。
mask_hint_threshold	当使用掩码作为提示时，用于控制提示掩码强度的阈值。影响提示点从原掩码中提取方式；建议保持默认值 0.7。
mask_hint_use_negative	是否使用负提示信息： False, Small, Outter。 Small 排除较小区域；Outter 排除区域外侧背景；提高多目标区分度。

以下分别是9种detection_hint模式的效果

本次重点测试的是 dilation 与 bbox_expansion 两个参数的区别：

dilation：对原始掩膜（mask）的边缘进行膨胀操作，即扩大已有 mask 区域的边缘范围，使目标边界更宽。
bbox_expansion：是在目标检测过程中，将原始的检测框（bounding box）进行扩展，从而在裁剪或处理时保留更多的 mask 区域，可能会引入更多周边信息。

两者都能扩大作用范围，但处理机制不同：dilation 针对的是掩膜边缘形态的直接扩张，而 bbox_expansion 是通过扩大定位框来间接保留更多区域。

ComfyUI原生节点