告别手动抠图！Qwen2.5-VL+SAM2梦幻联动：用自然语言精准锁定「腰间带枪的男人」，遮罩提取进入智能时代！

一、介绍

今天介绍个超厉害的遮罩提取的王炸，我们以前也分享过一次关于遮罩这块的介绍，里面有提到手动根据提示词来获取遮罩对吧，但是之前这种有个问题，就是无法非常精准的识别，你只能给物体名词。

那今天这个方案就是让你的提示词更加智能，接入了大模型Qwen2.5-VL，它可以对输入图像运行检测提示，这样我们就可以用自然语言很轻松的告诉它你要识别的物体，比如：左侧第二个女人、腰间有枪的男人、所有文字等等，再配合 SAM2，算是目前遮罩提取的王炸组合。

以上就是 TTPlanetPig 大佬开发的这个智能遮罩抠图的插件 Comfyui_Object_Detect_QWen_VL，非常强，绝对是精品插件，收藏+1。

但是这个我安装的时候折腾了一天，今天才搞定，这不马上就给大家分享我踩过的坑。

二、相关安装

安装这个插件真的是一波三折，这里就给大家分享下遇到的问题以及解决方案

插件地址：https://github.com/TTPlanetPig/Comfyui_Object_Detect_QWen_VL

节点管理器里面无法安装搜到，用命令安装

git clone https://github.com/TTPlanetPig/Comfyui_Object_Detect_QWen_VL.git

模型在运行的时候会自动下载，不过很慢，我建议你提前下载好。
模型地址：https://huggingface.co/collections/Qwen/qwen25-vl-6795ffac22b334a837c0f9a5

官方是推荐用这个BF16版本的，太低的话可能会影响质量

网盘已经提供了这个模型下载，下载后放到路径 models/Qwen下面即可。

将选定的 Qwen 2.5-VL 模型下载到 models/Qwen 中，并返回加载的模型和处理器。您可以选择将模型加载到哪个设备上（例如，如果您有多个 GPU，则为 cuda：1）、检查点的精度（INT4、INT8、BF16、FP16 或 FP32）以及是使用 FlashAttention 还是 SDPA。选择 FP32 精度时，FlashAttention 会自动替换为 SDPA，因为 FlashAttention 不支持它。