Unofficial implementation of YOLO-World + EfficientSAM & YOLO-World for ComfyUI

• 对YOLO-World + EfficientSAM的非官方实现

• 利用全新的 YOLO-World 与 EfficientSAM 实现高效的对象检测 + 分割

• 版本：V1.5 同时支持图像与视频，还支持输出 mask 蒙版，增加了 ltdrdata 提供的 YOLO_WORLD_SEGS 新节点

• YOLO-World 模型加载 | 🔎Yoloworld Model Loader

  • 支持 3 种官方模型：yolo_world/l, yolo_world/m, yolo_world/s，会自动下载并加载

• EfficientSAM 模型加载 | 🔎ESAM Model Loader

  • 支持 CUDA 或 CPU

• 检测 + 分割 | 🔎Yoloworld ESAM

  • yolo_world_model：接入 YOLO-World 模型
  • esam_model：接入 EfficientSAM 模型
  • image：接入图像
  • categories：检测 + 分割内容
  • confidence_threshold：置信度阈值，降低可减少误检，增强模型对所需对象的敏感性。增加可最小化误报，防止模型识别不应识别的对象
  • iou_threshold：IoU 阈值，降低数值可减少边界框的重叠，使检测过程更严格。增加数值将会允许更多的边界框重叠，适应更广泛的检测范围
  • box_thickness：检测框厚度
  • text_thickness：文字厚度
  • text_scale：文字缩放
  • with_segmentation：是否开启 EfficientSAM 进行实例分割
  • with_confidence：是否显示检测对象的置信度
  • with_class_agnostic_nms：是否抑制类别之间的重叠边界框

• 🆕检测 + 分割 | 🔎Yoloworld ESAM Detector Provider （由 ltdrdata 提供，感谢！）
  • 可配合 Impact-Pack 一起使用
  • yolo_world_model：接入 YOLO-World 模型
  • esam_model：接入 EfficientSAM 模型
  • categories：检测 + 分割内容
  • iou_threshold：IoU 阈值
  • with_class_agnostic_nms：是否抑制类别之间的重叠边界框

• 推荐使用管理器 ComfyUI Manager 安装（On the Way）

• 手动安装：

  1. cd custom_nodes
  2. git clone https://github.com/ZHO-ZHO-ZHO/ComfyUI-YoloWorld-EfficientSAM
  3. cd custom_nodes/ComfyUI-YoloWorld-EfficientSAM
  4. pip install -r requirements.txt
  5. 重启 ComfyUI

• 模型下载：将 EfficientSAM 中的 efficient_sam_s_cpu.jit 和 efficient_sam_s_gpu.jit 下载到 custom_nodes/ComfyUI-YoloWorld-EfficientSAM 中

V1.0 图片检测+分割

V1.0 视频检测+分割

• 20240221

  合并了由 ltdrdata 提供的 🔎Yoloworld ESAM Detector Provider 节点

• 20240220

  创建项目

  V1.0 同时支持图像与视频的检测与分割，还支持输出 mask 蒙版

YOLO-World + EfficientSAM

YOLO-World

EfficientSAM

代码还参考了 @camenduru 感谢！

ltdrdata 提供了 🔎Yoloworld ESAM Detector Provider 节点，感谢！