ビジョンとインペイントモデル¶
設定 -> パイプラインで各処理ステージのモデルを 1 つ選びます。前処理とオプションは各モデルが所有し、モデルを切り替えても別のワークフローにはなりません。
検出¶
現在の検出は Koharu Layout RF-DETR Seg 2XL です。文字、吹き出し、コマを検出し、後段で使うセグメンテーション情報を作ります。
文字、吹き出し、コマのしきい値を下げると不確かな領域を多く残し、誤検出も増えます。複数の代表ページを確認してから調整してください。
OCR¶
- PaddleOCR-VL 1.6 — 既定の汎用 VLM OCR
- Manga OCR — 日本語マンガ文字向け
- Baberu OCR — 別のマンガ向け認識器
OCR は検出文字領域に対して実行されます。検出されなかった文字は OCR で復元できないため、空の結果を OCR モデルだけの問題と判断する前に領域を確認してください。
インペイント¶
- LaMa — 既定の直接インペイント
- AOT Inpainting — 別の直接モデル
- FLUX.2 Klein — プロンプト付き生成インペイント
- RORem Mixed — 正・負プロンプトを持つマンガ向け生成モデル
生成モデルは通常、より大きいランタイム、メモリ、時間を必要とします。プロンプトは周囲の画像再構築と文字除外に集中させ、翻訳の組版は依頼しないでください。
モデルプロファイル¶
対応プロセッサーの設定は選択中モデルとは別に保持されます。生成モデルへ戻ると、そのモデルのプロンプト設定が復元されます。
モデルは遅延ロードされるため、初回にはダウンロード、ロード、計測時間が含まれます。同一ページをウォームアップ後に比較してください。