Update sam_module.py

sam_module.py

@@ -351,7 +351,7 @@ def create_sam_mask(self, image, bbox_coords, mode):
             
             # Alle 3 Masken analysieren
             for i in range(num_masks):
-                # Maske in Original-SAM-Größe (256x256) analysieren
+                # Maske in Original-Bildgröße -vorher interpolate- analysieren
 
                 mask_np_temp = all_masks[i]
                 
@@ -409,7 +409,7 @@ def create_sam_mask(self, image, bbox_coords, mode):
             
             print(f"✅ Beste Maske: Nr. {best_mask_idx+1} mit Score {best_score:.3f}")
             
-            # NUR DIE BESTE MASKE AUF 512x512 SKALIEREN -Für Inpaint
+            # NUR DIE BESTE MASKE AUF 512x512 HERUNTERSKALIEREN -Für Inpaint
             best_mask_256 = outputs.pred_masks[:, :, best_mask_idx, :, :]
             resized_mask = F.interpolate(
                 best_mask_256,
@@ -418,7 +418,7 @@ def create_sam_mask(self, image, bbox_coords, mode):
                 align_corners=False
             ).squeeze()
             
-            mask_np = resized_mask.sigmoid().cpu().numpy()
+            mask_np = resized_mask.cpu().numpy()
             print(f"   🔄 Beste Maske skaliert auf 512×512 für ControlNet")
             
             # ============================================================
@@ -428,7 +428,7 @@ def create_sam_mask(self, image, bbox_coords, mode):
             # wie "wahrscheinlich gehört dieser Pixel zur Person"), wird diese Maske binarisiert (0 oder 1), indem alle 
             # Pixel unter 0.05 auf 0 gesetzt werden, alle darüber auf 1.
             # ============================================================
-            mask_max = mask_np.max()
+            mask_max = mask_np.max() #höchster Wahrscheinlichkeitswert in SAM-Maske
             if best_score < 0.7:  # Schlechte Maskenqualität
                 dynamic_threshold = 0.05  # SEHR NIEDRIG für maximale Abdeckung
                 print(f"   ⚠️  Masken-Score niedrig ({best_score:.3f}). "