MLLMを使った条件分岐

https://gyazo.com/bedf72e26351214d3eb3a6a7691ff3c5

画像に複数人いたら"1"をそれ以外なら"0"を出力してもらい、ComfyUI-LogicのIfにつなげた

複数人ならモノクロ加工、一人 or 0人ならブラー加工

ここではInternLM-XComposer2-VLを使っているが重すぎる

かといってmoondreamやLLaVaベースのものは簡潔に答えてくれず、"This image..."と無駄に回答を長くしてくる

と思っていたのだけど、Answer concisely.をつけると簡潔に答えてくれるようになったnomadoor.icon

moondream1はいまいち

ComfyUI VLM nodesの、というよりllama-cpp-agentのStructured Outputを使うことで、出力形式を100%制御できる