懂AI
sd-webui-segment-anything

sd-webui-segment-anything

对任何内容进行分段以获得稳定的扩散 WebUI

此扩展结合了Stable Diffusion WebUI、ControlNet扩展，以及Segment Anything和GroundingDINO等高级分割模型，提升了图像修复、语义分割和LoRA/LyCORIS训练集创建功能。支持自动图像抠图及API的全面重构，单张图像处理和自动生成分割掩码更加便捷。最新版本增强了多个分割模型的支持，并优化了CPU和GPU的运行性能。

Stable Diffusion WebUIControlNetsegment anythingGroundingDINOSAM-HQGithub开源项目
访问官网GitHubHugging Face文档

项目介绍：sd-webui-segment-anything

项目概述

sd-webui-segment-anything 是一个结合 Stable Diffusion 和 ControlNet 技术的扩展，旨在通过利用 segment anything 和 GroundingDINO 工具来增强图像处理功能。其主要功能包括增强图像修复、语义分割、自动图像抠图以及用于 LoRA 和 LyCORIS 训练集的图像集创建。

项目功能

  1. 图像分割：通过点击图像生成分割蒙版，支持通过文本提示生成边界框和分割蒙版。
  2. 图像修复：可将生成的蒙版复制到 ControlNet 进行图像修复，避免下载特定的修复模型。
  3. 自动分割：支持简单的自动分割，适用于语义分割和非语义分割。
  4. 批处理：支持图像布局的生成，同时适用于单张图像和批量处理。
  5. CPU 支持：可选择使用 CPU 进行 SAM 推理，适用于无法使用 GPU 的情况。

项目更新

该项目定期发布更新，从 2023 年 4 月至今，已有多个重要版本的更新，包括：

  • 提供额外 API 支持
  • 增强 GroundingDINO 支持
  • 提供对 ControlNet V1.1 的支持
  • 增加 MobileSAM 模型的支持等

常见问题

项目提供了多个常见问题解答，如如何解决安装时的常见错误、拼接 SAM 扩展的运行问题，以及当前无法支持的功能。

支持的模型

sd-webui-segment-anything 支持下列模型：

  • Meta AI 的 SAM 系列模型：如 sam_vit_h、sam_vit_l 和 sam_vit_b
  • SysCV 的 SAM-HQ 系列模型
  • Kyung Hee University 的 MobileSAM 模型

计划增加对 Matting-Anything 和 FastSAM 等其他变体模型的支持。

安装指南

用户可以通过多种方式下载安装本扩展，并且需要下载特定版本的模型文件到指定的模型目录中。GroundingDINO 和 ControlNet 注释器模型将在首次使用时自动安装。

贡献和支持

项目欢迎任何形式的贡献和功能请求。用户可以通过提供 WebUI 版本、扩展版本、浏览器版本及错误信息来帮助改进项目。项目的赞助信息也已提供。

通过这种结合最新 AI 技术与图像处理技术的项目，用户可以在图像编辑和生成方面实现更高效和自动化的工作流程。项目发展至今，已有较丰厚的功能，同时也在持续改进中。

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多