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。
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
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：
- 将文档图像加载到ComfyUI中。
- 将图像连接到Florence2 DocVQA节点。
- 输入关于文档的问题。
- 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
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
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。
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
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。
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。
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。
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
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。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号