懂AI
ComfyUI-Florence2

ComfyUI-Florence2

基于Florence-2视觉基础模型，可处理多种视觉和视觉-语言任务

ComfyUI-Florence2项目基于Florence-2视觉基础模型，可处理多种视觉和视觉-语言任务。除支持图像描述、物体检测和分割外，还新增文档视觉问答功能。项目利用FLD-5B数据集进行多任务学习，采用序列到序列架构，在零样本和微调场景下表现优异。用户可通过ComfyUI界面便捷使用Florence2的各项功能。

Florence2ComfyUI视觉基础模型多任务学习DocVQAGithub开源项目
GitHubHugging Face

ComfyUI中的Florence2

Florence-2是一种先进的视觉基础模型，采用基于提示的方法来处理广泛的视觉和视觉语言任务。 Florence-2可以解释简单的文本提示来执行诸如图像描述、物体检测和分割等任务。 它利用我们的FLD-5B数据集，该数据集包含1.26亿张图像的54亿个注释，以掌握多任务学习。 该模型的序列到序列架构使其能够在零样本和微调设置中都表现出色，证明是一个具有竞争力的视觉基础模型。

新功能：文档视觉问答（DocVQA）

这个分支包括使用Florence2模型进行文档视觉问答（DocVQA）的支持。DocVQA允许您针对文档图像的内容提问，模型将根据文档中的视觉和文本信息提供答案。这个功能特别适用于从扫描文档、表格、收据和其他文本密集型图像中提取信息。

安装：

将此仓库克隆到'ComfyUI/custom_nodes'文件夹。

安装requirements.txt中的依赖项，需要transformers版本至少为4.38.0：

pip install -r requirements.txt

或者如果你使用便携版（在ComfyUI_windows_portable文件夹中运行）：

python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-Florence2\requirements.txt

图片 图片

支持以下模型，这些模型会自动下载到ComfyUI/LLM：

https://huggingface.co/microsoft/Florence-2-base https://huggingface.co/microsoft/Florence-2-base-ft https://huggingface.co/microsoft/Florence-2-large https://huggingface.co/microsoft/Florence-2-large-ft https://huggingface.co/HuggingFaceM4/Florence-2-DocVQA

使用DocVQA

使用DocVQA功能：

  1. 将文档图像加载到ComfyUI中。
  2. 将图像连接到Florence2 DocVQA节点。
  3. 输入关于文档的问题。
  4. 节点将根据文档内容输出答案。

示例问题：

  • "这张收据上的总金额是多少？"
  • "这份表格中提到的日期是什么？"
  • "这封信的发件人是谁？"

注意：回答的准确性取决于输入图像的质量和问题的复杂程度。

编辑推荐精选

博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

热门AI工具AI办公办公工具智能排版AI生成PPT博思AIPPT海量精品模板AI创作
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案，助力品牌曝光

稳定高效的流量提升解决方案，助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用，一键生成无水印视频

最新版Sora2模型免费使用，一键生成无水印视频

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。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
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。

热门AI工具生产力协作转型TraeAI IDE
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体，能根据人类指令，自主思考、自主完成、并且交付结果的AI智能体。

下拉加载更多