# ComfyUI-Inspyrenet-Rembg 用于背景去除的 ComfyUI 节点，实现了 InSPyReNet。

我测试过许多不同的 AI 背景去除方法（BRIA、U2Net、IsNet、SAM、OPEN RMBG 等），但在所有测试中，InSPyReNet 的表现都完全不在一个级别上！

更棒的是，InSPyReNet 采用 MIT 许可证，允许商业使用（据我所知，BRIA 则不允许商业使用）。

大家可以自行查看相关许可证，我对此不承担任何责任 :)

更新

新增了一个支持阈值的高级节点。

功能

与其他方法相比，背景去除质量更优（不妨亲自试一试！）

支持批量输入图像。

针对图像批次进行了优化，是目前最快的背景去除节点（非常适合处理视频帧）。

同时输出图像和对应的掩码。

在终端显示处理进度。

安装

简单方式：

在 ComfyUI 管理器中搜索 ComfyUI-Inspyrenet-Rembg，然后点击安装即可。

完成！

手动方式：

1. 进入 ComfyUI 的 custom_nodes 文件夹，打开终端并运行以下命令：

git clone https://github.com/john-mnz/ComfyUI-Inspyrenet-Rembg.git

2. 安装依赖项：

cd ComfyUI-Inspyrenet-Rembg
pip install -r requirements.txt

完成！

首次使用时会自动下载预训练模型。

注意事项

如果将 torchscript_jif 设置为开启，模型将使用 PyTorch 内置的 TorchScript JIT 编译器进行追踪。这可能会导致初始化稍有延迟，但可以减少推理时间和 GPU 内存占用。

基础工作流

下载此文件，并将其拖放到您的 ComfyUI 中作为基础工作流：

inspyrenet-rembg-basic-workflow.json

展示案例

ComfyUI-Inspyrenet-Rembg 快速上手指南

ComfyUI-Inspyrenet-Rembg 是一个基于 InSPyReNet 模型的 ComfyUI 节点，专为高质量背景移除设计。相比其他方法（如 BRIA、U2Net 等），它在精度上表现卓越，且支持 MIT 协议，允许商业使用。该节点支持批量图片处理，输出包含去背图像及对应蒙版，非常适合视频帧处理场景。

环境准备

• 系统要求：Windows / Linux / macOS
• 前置依赖：
  • 已安装并配置好 ComfyUI
  • Python 环境（建议与 ComfyUI 保持一致）
  • Git（用于手动安装）
• 硬件建议：推荐使用 NVIDIA GPU 以获得最佳推理速度；首次运行时会自动下载预训练模型。

安装步骤

您可以选择通过管理器安装或手动安装。

方式一：使用 ComfyUI Manager（推荐）

1. 打开 ComfyUI 界面，进入 Manager 菜单。
2. 点击 Install Custom Nodes。
3. 搜索 ComfyUI-Inspyrenet-Rembg。
4. 点击 Install 按钮。
5. 重启 ComfyUI 即可生效。

方式二：手动安装

1. 进入 ComfyUI 的 custom_nodes 目录，打开终端运行以下命令克隆仓库：

   git clone https://github.com/john-mnz/ComfyUI-Inspyrenet-Rembg.git
   

2. 进入插件目录并安装依赖：

   cd ComfyUI-Inspyrenet-Rembg
   pip install -r requirements.txt
   

   国内加速提示：若下载依赖缓慢，可指定国内镜像源（如清华源）： pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 重启 ComfyUI。首次使用时插件会自动下载预训练模型。

基本使用

1. 导入工作流

作者提供了一个基础工作流文件，可直接拖入 ComfyUI 界面使用：

• 下载文件：inspyrenet-rembg-basic-workflow.json
• 将该 .json 文件直接拖拽到 ComfyUI 画布中。

2. 节点配置说明

在工作流中找到 InSPyReNet Rembg 节点，主要参数如下：

• Input Image：连接需要去背的图片（支持批量输入）。
• Threshold（高级节点）：调整阈值以控制蒙版的精细度。
• torchscript_jit：
  • 设置为 on：使用 PyTorch 内置 JIT 编译器追踪模型。
  • 效果：初始化时会有短暂延迟，但能显著减少推理时间和显存占用。建议长期运行或显存紧张时开启。

3. 运行与输出

点击 "Queue Prompt" 运行。

• 终端显示：运行过程中会在终端显示进度条。
• 输出结果：节点将同时输出 去背后的图像 (Image) 和 对应的蒙版 (Mask)，可直接连接后续节点进行合成或保存。