ComfyUI-RMBG v3.3.0：画布工作室与视频抠像

Canvas 工作室节点，来自仓库的示例工作流。

节点图内的合成舞台

Canvas (RMBG) 是本次最核心的新增功能。它是一个直接渲染在节点画布上的多图层合成舞台，因此无需离开 ComfyUI 就能排布抠出的图像。

• 图层最多可接受五个输入，即 layer_1 到 layer_5，连接时会自动扩展插槽。
• 每个图层都可以移动、旋转、水平或垂直翻转、用四角等比缩放手柄缩放，并可单独设置不透明度。
• 画布尺寸跟随背景输入的宽高比，也可在 320px 到 4096px 之间按 8 的倍数自由设定。
• 选择 Background: Alpha 可保留真正的四通道 RGBA 输出，透明像素在预览与保存节点中不会塌陷成黑色。
• 该节点还会输出一张合并所有活动前景图层的单通道 MASK，可直接用于图像修复或进一步抠像。

VRMBG 带来视频抠像

VRMBG 节点及其示例工作流，来自 v3.3.0 更新日志。

AILab_VRMBG 是包内首个面向序列而非单帧的节点。它运行 Bria 的 VRMBG-3.0，并以上一帧的前景特征作为每一帧的条件，从而保持边界稳定，而不是逐帧闪烁。reset_state 开关让长视频能分批连续输入而不会丢失这种连续性。

该模型不会自动下载。权重需要手动放入 ComfyUI/models/RMBG/VRMBG-3.0/，且 briaai/VRMBG-3.0 仓库设有访问门禁，必须先在该 Hugging Face 页面上获得授权，才能拉取文件。

两个更精细的抠像骨干模型

由 Florence-2 边界框驱动的 Finegrain Box Segmenter，来自更新日志。

FeyNoBg 针对难处理的场景：细碎发丝、动物毛发、玻璃、蕾丝以及带有运动模糊的边缘。它采用 263M 参数的 Swin-L 抠像骨干，并内置 refine_foreground 处理，更新日志指出它无需手动 trimap。权重以单个 1.05 GB 的 safetensors 文件发布在 1038lab/FeyNobg。

Finegrain Box Segmenter 接收一个边界框，使用 Swin-B MVANet 架构返回 1024px 的抠图，因此来自 Florence-2 或 YOLO 的边界框无需第二个检测模型就能变成高分辨率蒙版。未连接边界框时，它会退化为对整张图像进行分割。

为了给它提供输入，Florence-2 与 SAM3 分割节点现在都额外暴露第四个 BBOXES 输出，格式为 BBOX，可直接接入该边界框分割节点。

Florence-2 不再依赖远程代码

此前 Florence-2 节点使用 trust_remote_code=True 加载 Hugging Face 的动态远程脚本，一旦 ComfyUI 或 transformers 版本变动就会失效。v3.3.0 将其重建为原生本地 PyTorch 实现：不执行远程脚本、不依赖 matplotlib，也不再锁定版本。同时修复了两个已知缺陷：多边形蒙版在生成中途被截断，以及在 transformers 5.x 下出现的 'Florence2LanguageConfig' object has no attribute 'forced_bos_token_id' 崩溃。

YOLO 分割全面重做

重建后的 YOLO 分割节点，来自更新日志。

YOLO 分割节点迁移到 YOLO26-seg 与 YOLO11-seg，yolo26n-seg 到 yolo26x-seg 以及 yolo11*-seg 的模型托管在 1038lab/YOLO，按需下载。其 IMAGE 输出现在可以直接返回透明 RGBA 抠图或纯色背景，省去了原本紧随其后的 Mask Applier 步骤。标注叠加可在蒙版与框、仅框、仅蒙版、无之间切换，mask_blur、mask_offset 与 invert_output 则就地完成边缘细化。

性能与修复

• RMBG-2.0 在 CUDA 上以原生 FP16 运行。 更新日志称权重与激活显存占用减少超过 50%，借助 Tensor Cores 吞吐量约提升 2 倍。
• 视频批次按块释放显存，消除了长序列下导致 GPU 超时崩溃的内存碎片问题。
• Image Resize 不再对 scale_by 系数重复平方，因此 512px 按 1.2 倍缩放得到 614px 而非 736px（#211）。
• 可选导入失败时节点仍可被发现，修复了一个可能拖垮整个插件的 NameError（#218）。

安装

cd ComfyUI/custom_nodes
git clone https://github.com/1038lab/ComfyUI-RMBG

使用 ComfyUI 的 Python 环境安装依赖，然后重新启动：

python -m pip install -r ComfyUI-RMBG/requirements.txt

三个新骨干模型的存放位置：

仓库： 1038lab/ComfyUI-RMBG
更新日志： update.md v3.3.0
示例工作流： example_workflows