Update controlnet_module.py

controlnet_module.py

@@ -869,20 +869,7 @@ class ControlNetProcessor:
                 #=========================
                 
                 # Masken speichern in den Arrays
-                all_masks_crop = []        #Weiterverarbeitung in Crop-Größe
-                
-                for i in range(num_masks):
-                    single_mask = outputs.pred_masks[:, :, i, :, :]
-                    #Für Heuristik SAM-Masken auf Original-Bildgröße
-                    resized_mask_original = F.interpolate(
-                        single_mask,
-                        size=(original_image.height, original_image.width),
-                        mode='bilinear',
-                        align_corners=False
-                    ).squeeze()
-                    
-                    mask_np_original = resized_mask_original.sigmoid().cpu().numpy()
-                    all_masks_original.append(mask_np_original)
+                all_masks_crop = []        #Weiterverarbeitung in Crop-Größe     
 
                     # 2. FÜR VERARBEITUNG: Auf CROP-GRÖSSE interpolieren
                     resized_mask_crop = F.interpolate(
@@ -891,15 +878,14 @@ class ControlNetProcessor:
                         mode='bilinear',
                         align_corners=False
                     ).squeeze()
-                    mask_np_crop = resized_mask_crop.sigmoid().cpu().numpy()
-                    all_masks_crop.append(mask_np_crop)
-            
+                    mask_np = resized_mask.sigmoid().cpu().numpy()
+                    all_masks_crop.append(mask_np)
+
+
                     # Debug-Info
-                    mask_binary_crop = (mask_np_crop > 0.5).astype(np.uint8)
-                    mask_binary_original = (mask_np_original > 0.5).astype(np.uint8)
-                    print(f"   Maske {i+1}: Crop={np.sum(mask_binary_crop):,}px, "
-                          f"Original={np.sum(mask_binary_original):,}px")
-                                
+                    mask_binary = (mask_np > 0.5).astype(np.uint8)
+                    print(f"   Maske {i+1}: {np.sum(mask_binary):,}px (Crop-Größe)") 
+                     
             
                 # ============================================================
                 # HEURISTIK (zur Bestimmung der besten Maske)