第三方插件
ComfyUI-KJNodes
Batch CLIPSeg
用于处理单张图像或批量图像，根据文本描述生成对应的掩码。它使用CLIPSeg模型，这是一种基于CLIP的图像分割模型，能够根据文本提示识别图像中的特定区域。Batch
节点中英文对比
按当前节点配置，分别展示中文与英文节点结构。
中文节点
Batch CLIPSeg
text
threshold
binary_mask
combine_mask
use_cuda
blur_sigma
image_bg_level
invert
英文节点
Batch CLIPSeg
text
threshold
binary_mask
combine_mask
use_cuda
blur_sigma
image_bg_level
invert
参数说明
依据当前节点关联的 `NodesItems` 数据展示输入、输出与控件说明。
输入参数
images
images
输入图像张量（支持单张或多张图像）
opt_model
opt_model
可选传入已加载的 CLIPSeg 模型（节省加载时间）。
prev_mask
prev_mask
可选先前掩码，用于叠加当前结果。
输出参数
遮罩
Mask
CLIPSeg 预测生成的掩码结果。
Image
Image
应用掩码后的图像结果（背景透明处理）。
控件参数
text
text
文本提示，描述要分割的目标对象。
threshold
threshold
阈值，控制掩码判定的敏感度。较低值更宽松，较高值更严格，推荐范围 0.3~0.8。
binary_mask
binary_mask
是否输出二值掩码（True 为 0/1，False 为灰度）。一般用于后续作为布尔遮罩使用，若需软掩码融合可设为 False。
combine_mask
combine_mask
是否将多张图像掩码合并为一张。
use_cuda
use_cuda
是否使用 CUDA（GPU）进行推理。
blur_sigma
blur_sigma
高斯模糊强度（默认 0.0）。可平滑边缘，使分割更自然。推荐范围 0.5~3.0。
image_bg_level
image_bg_level
背景区域填充值（0 为黑，1 为白）。
invert
invert
是否反转掩码（1 变为 0，0 变为 1）。
详细说明
结合节点用途、参数和调用方式，给出更完整的说明内容。
暂无节点说明
同类节点导航
继续浏览同一分类下的相邻节点，方便串联学习。