Upload 2 files

custom_nodes/comfyui-reactor-node/scripts/reactor_logger.py

@@ -1,47 +1,54 @@
-import logging
-import copy
-import sys
-
-from modules import shared
-from reactor_utils import addLoggingLevel
-
-
-class ColoredFormatter(logging.Formatter):
-    COLORS = {
-        "DEBUG": "\033[0;36m",  # CYAN
-        "STATUS": "\033[38;5;173m",  # Calm ORANGE
-        "INFO": "\033[0;32m",  # GREEN
-        "WARNING": "\033[0;33m",  # YELLOW
-        "ERROR": "\033[0;31m",  # RED
-        "CRITICAL": "\033[0;37;41m",  # WHITE ON RED
-        "RESET": "\033[0m",  # RESET COLOR
-    }
-
-    def format(self, record):
-        colored_record = copy.copy(record)
-        levelname = colored_record.levelname
-        seq = self.COLORS.get(levelname, self.COLORS["RESET"])
-        colored_record.levelname = f"{seq}{levelname}{self.COLORS['RESET']}"
-        return super().format(colored_record)
-
-
-# Create a new logger
-logger = logging.getLogger("ReActor")
-logger.propagate = False
-
-# Add Custom Level
-# logging.addLevelName(logging.INFO, "STATUS")
-addLoggingLevel("STATUS", logging.INFO + 5)
-
-# Add handler if we don't have one.
-if not logger.handlers:
-    handler = logging.StreamHandler(sys.stdout)
-    handler.setFormatter(
-        ColoredFormatter("[%(name)s] %(asctime)s - %(levelname)s - %(message)s",datefmt="%H:%M:%S")
-    )
-    logger.addHandler(handler)
-
-# Configure logger
-loglevel_string = getattr(shared.cmd_opts, "reactor_loglevel", "INFO")
-loglevel = getattr(logging, loglevel_string.upper(), "info")
-logger.setLevel(loglevel)
+import logging
+import copy
+import sys
+
+from modules import shared
+from reactor_utils import addLoggingLevel
+
+
+class ColoredFormatter(logging.Formatter):
+    COLORS = {
+        "DEBUG": "\033[0;36m",  # CYAN
+        "STATUS": "\033[38;5;173m",  # Calm ORANGE
+        "INFO": "\033[0;32m",  # GREEN
+        "WARNING": "\033[0;33m",  # YELLOW
+        "ERROR": "\033[0;31m",  # RED
+        "CRITICAL": "\033[0;37;41m",  # WHITE ON RED
+        "RESET": "\033[0m",  # RESET COLOR
+    }
+
+    def format(self, record):
+        colored_record = copy.copy(record)
+        levelname = colored_record.levelname
+        seq = self.COLORS.get(levelname, self.COLORS["RESET"])
+        colored_record.levelname = f"{seq}{levelname}{self.COLORS['RESET']}"
+        return super().format(colored_record)
+
+
+# Create a new logger
+logger = logging.getLogger("ReActor")
+logger.propagate = False
+
+# Add Custom Level
+# logging.addLevelName(logging.INFO, "STATUS")
+addLoggingLevel("STATUS", logging.INFO + 5)
+
+# Add handler if we don't have one.
+if not logger.handlers:
+    handler = logging.StreamHandler(sys.stdout)
+    handler.setFormatter(
+        ColoredFormatter("[%(name)s] %(asctime)s - %(levelname)s - %(message)s",datefmt="%H:%M:%S")
+    )
+    logger.addHandler(handler)
+
+# Configure logger
+loglevel_string = getattr(shared.cmd_opts, "reactor_loglevel", "INFO")
+loglevel = getattr(logging, loglevel_string.upper(), "info")
+# logger.setLevel(loglevel)
+logger.setLevel(logging.DEBUG) # Принудительно устанавливаем DEBUG
+
+# Добавим сообщение для проверки, что изменения применились
+logger.warning("--- ReActor LOGGING FORCED TO DEBUG LEVEL ---")
+
+# В конце файла reactor_logger.py
+logger.debug("--- ТЕСТОВОЕ DEBUG СООБЩЕНИЕ ---")

custom_nodes/comfyui-reactor-node/scripts/reactor_swapper.py

@@ -20,7 +20,7 @@ import comfy.model_management as model_management
 from modules.shared import state
 
 # 1. Добавьте импорт logging наверху файла, если его там нет:
-# import logging
+import logging
 from scripts.reactor_logger import logger
 from reactor_utils import (
     move_path,
@@ -126,21 +126,9 @@ def getFaceSwapModel(model_path: str):
     if FS_MODEL is None or CURRENT_FS_MODEL_PATH is None or CURRENT_FS_MODEL_PATH != model_path:
         CURRENT_FS_MODEL_PATH = model_path
         FS_MODEL = unload_model(FS_MODEL)
-        
-        # Извлекаем имя файла модели из пути
-        model_filename = os.path.basename(model_path)
-        
-        # Определяем правильный путь в зависимости от типа модели
-        if "hyperswap" in model_filename.lower():
-            # Ищем в директории hyperswap
-            correct_path = os.path.join(folder_paths.models_dir, "hyperswap", model_filename)
-            FS_MODEL = ort.InferenceSession(correct_path, providers=providers)
-        elif "reswapper" in model_filename.lower():
-            # Ищем в директории reswapper
-            correct_path = os.path.join(folder_paths.models_dir, "reswapper", model_filename)
-            FS_MODEL = insightface.model_zoo.get_model(correct_path, providers=providers)
+        if "hyperswap" in model_path.lower():
+            FS_MODEL = ort.InferenceSession(model_path, providers=providers)
         else:
-            # Для моделей insightface используем оригинальный путь
             FS_MODEL = insightface.model_zoo.get_model(model_path, providers=providers)
     return FS_MODEL
     
@@ -149,10 +137,10 @@ def get_landmarks_5(face):
     # face.landmark_5: np.ndarray shape (5,2)
     # Если нет, попробуй face.kps или face.landmark
     if hasattr(face, 'landmark_5') and face.landmark_5 is not None:
-     #  logger.debug("landmark_5: %s", face.landmark_5)
+        logger.debug("landmark_5: %s", face.landmark_5)
         return face.landmark_5
     elif hasattr(face, 'kps') and face.kps is not None:
-     #  logger.debug("kps: %s", face.kps)
+        logger.debug("kps: %s", face.kps)
         return face.kps
     elif hasattr(face, 'landmark') and face.landmark is not None:
         # 68-точечная разметка, берём нужные индексы
@@ -160,9 +148,9 @@ def get_landmarks_5(face):
         # Пример: [36, 45, 30, 48, 54] — левый/правый глаз, нос, левый/правый рот
         if face.landmark.shape[0] >= 68:
             idxs = [36, 45, 30, 48, 54]
-         #  logger.debug("landmark (68 точек): %s", face.landmark[idxs])
+            logger.debug("landmark (68 точек): %s", face.landmark[idxs])
             return face.landmark[idxs]
- #  logger.warning("Нет подходящих точек в объекте Face. Доступные атрибуты: %s", dir(face))
+    logger.warning("Нет подходящих точек в объекте Face. Доступные атрибуты: %s", dir(face))
     return None
     
 #### Что проверить:
@@ -190,14 +178,14 @@ def create_gradient_mask(crop_size=256):
     
     # 3. Рисуем эллипс (заполняем белым цветом, значение=1.0)
     cv2.ellipse(
-        mask,          # Массив для рисования
-        center,        # Центр эллипса
-        axes,          # Полуоси (ширина, высота)
-        angle=0,       # Угол поворота
-        startAngle=0,  # Начальный угол дуги
-        endAngle=360,  # Конечный угол дуги (360 = полный эллипс)
-        color=1.0,     # Значение для заполнения (белый = 1.0)
-        thickness=-1   # -1 = заполнить всю область эллипса   
+        mask,          
+        center,        
+        axes,          
+        angle=0,       
+        startAngle=0,  
+        endAngle=360,  
+        color=1.0,     
+        thickness=-1   
     )
     
     # 4. Применяем размытие для плавных краёв
@@ -224,7 +212,7 @@ def paste_back(target_img, swapped_face, M, crop_size=256):
     mask = create_gradient_mask(crop_size)
 
     # Сохраняем для отладки
- #  cv2.imwrite("debug_original_mask.png", (mask * 255).astype(np.uint8))
+    cv2.imwrite("debug_original_mask.png", (mask * 255).astype(np.uint8))
 
     # Преобразуем в трехканальную маску
     mask_3c = np.stack([mask] * 3, axis=2)
@@ -258,13 +246,13 @@ def paste_back(target_img, swapped_face, M, crop_size=256):
     inv_mask = cv2.GaussianBlur(inv_mask, (3, 3), 0)
 
     # Отладка
-  # logger.debug("Warped face shape: %s | Min: %s | Max: %s", inv_face.shape, inv_face.min(), inv_face.max())
-  # logger.debug("Warped mask shape: %s | Min: %s | Max: %s", inv_mask.shape, inv_mask.min(), inv_mask.max())
+    logger.debug("Warped face shape: %s | Min: %s | Max: %s", inv_face.shape, inv_face.min(), inv_face.max())
+    logger.debug("Warped mask shape: %s | Min: %s | Max: %s", inv_mask.shape, inv_mask.min(), inv_mask.max())
 
     # Визуализация
-  # cv2.imshow("Warped Face", inv_face.astype(np.uint8))
-  # cv2.imshow("Warped Mask", (inv_mask * 255).astype(np.uint8))
-  # cv2.waitKey(1)
+#   cv2.imshow("Warped Face", inv_face.astype(np.uint8))
+#   cv2.imshow("Warped Mask", (inv_mask * 255).astype(np.uint8))
+#   cv2.waitKey(1)
 
     # 6. Плавное наложение
     target_img_float = target_img.astype(np.float32)
@@ -275,7 +263,7 @@ def paste_back(target_img, swapped_face, M, crop_size=256):
     result = np.clip(result, 0, 255).astype(np.uint8)
 
     # Сохраняем результат
-  # cv2.imwrite("debug_result.png", result)
+    cv2.imwrite("debug_result.png", result)
 
     return result
     
@@ -288,8 +276,8 @@ def visualize_points(img, points, color=(0, 255, 0)):
     img = img.copy()
     for p in points:
         cv2.circle(img, tuple(p.astype(int)), 3, color, -1)
-  # cv2.imshow("Face Points", img)
-  # cv2.waitKey(1)    
+#   cv2.imshow("Face Points", img)
+#   cv2.waitKey(1)    
 
 # Итоговая функция run_hyperswap с аффинным преобразованием
 def run_hyperswap(session, source_face, target_face, target_img):
@@ -301,7 +289,7 @@ def run_hyperswap(session, source_face, target_face, target_img):
     visualize_points(target_img, target_landmarks_5, (0, 255, 0))  # Зеленые точки
     
     if target_landmarks_5 is None:
-      # logger.error("Не удалось получить 5 точек для целевого лица")
+        logger.error("Не удалось получить 5 точек для целевого лица")
         # Важно: Если ошибка, возвращаем None и исходную матрицу (или обрабатываем ошибку иначе)
         return None, None
 
@@ -316,7 +304,7 @@ def run_hyperswap(session, source_face, target_face, target_img):
 
     # Вычисляем аффинную матрицу
     M = get_affine_transform(target_landmarks_5.astype(np.float32), std_landmarks_256)
-  # logger.debug("Affine Matrix M (used for cropping):\n%s", M)
+    logger.debug("Affine Matrix M (used for cropping):\n%s", M)
 
 #### Что проверить:
 # Матрица `M` не должна содержать `NaN` или бесконечности.
@@ -329,9 +317,9 @@ def run_hyperswap(session, source_face, target_face, target_img):
     #### Что проверить:
 # Окно `"Crop Before Inference"` должно показывать лицо, вырезанное по аффинному преобразованию.
 # Если изображение черное — проблема в `M` или `target_landmarks_5`.
-  # logger.debug("Crop shape: %s | Min: %s | Max: %s", crop.shape, crop.min(), crop.max())
-  # cv2.imshow("Crop Before Inference", crop)
-  # cv2.waitKey(1)  # Отображает изображение
+    logger.debug("Crop shape: %s | Min: %s | Max: %s", crop.shape, crop.min(), crop.max())
+#   cv2.imshow("Crop Before Inference", crop)
+#   cv2.waitKey(1)  # Отображает изображение
 
     # 4. Преобразуем crop для модели
     # crop_input = crop[:, :, ::-1] / 255.0
@@ -345,9 +333,9 @@ def run_hyperswap(session, source_face, target_face, target_img):
     # 5. Инференс
     try:
         output = session.run(None, {'source': source_embedding, 'target': crop_input})[0][0]
-      # logger.debug("Model output shape: %s | Min: %s | Max: %s", output.shape, output.min(), output.max())
+        logger.debug("Model output shape: %s | Min: %s | Max: %s", output.shape, output.min(), output.max())
     except Exception as e:
-      # logger.error("Ошибка выполнения модели: %s", e)
+        logger.error("Ошибка выполнения модели: %s", e)
         return target_img
 
     # 6. Обратная нормализация
@@ -365,9 +353,9 @@ def run_hyperswap(session, source_face, target_face, target_img):
 #### Что проверить:
 # `output` должен быть в диапазоне `[0..255]` и содержать лицо.
 # Если `output` черный — проблема в нормализации/денормализации или в самой модели.
-  # logger.debug("Output after denormalization: Min: %s | Max: %s", output.min(), output.max())
-  # cv2.imshow("Output After Denormalization", output)
-  # cv2.waitKey(1)
+    logger.debug("Output after denormalization: Min: %s | Max: %s", output.min(), output.max())
+#   cv2.imshow("Output After Denormalization", output)
+#   cv2.waitKey(1)
     
     # 7. ИЗМЕНЕНИЕ: Возвращаем результат 256x256 И матрицу M
     # Мы больше не вызываем warp_and_paste_face отсюда.
@@ -468,13 +456,13 @@ def get_face_single(img_data: np.ndarray, face, face_index=0, det_size=(640, 640
     try:
         faces_sorted = sort_by_order(face, order)
         selected_face = faces_sorted[face_index]
-      # logger.debug("Выбрано лицо: bbox=%s, landmark_5=%s, kps=%s, landmark=%s",
-      #          selected_face.bbox,
-      #          hasattr(selected_face, "landmark_5"),
-      #          hasattr(selected_face, "kps"),
-      #          hasattr(selected_face, "landmark"))
+        logger.debug("Выбрано лицо: bbox=%s, landmark_5=%s, kps=%s, landmark=%s",
+                     selected_face.bbox,
+                     hasattr(selected_face, "landmark_5"),
+                     hasattr(selected_face, "kps"),
+                     hasattr(selected_face, "landmark"))
         return selected_face, 0
-        # return faces_sorted[face_index], 0
+        return faces_sorted[face_index], 0
         # return sorted(face, key=lambda x: x.bbox[0])[face_index], 0
     except IndexError:
         return None, 0
@@ -496,14 +484,14 @@ def swap_face(
     codeformer_weight: float = 0.5,
     interpolation: str = "Bicubic",
 ):
-  #   >>>>> РЕШЕНИЕ: Принудительная установка уровня DEBUG <<<<<
-  # if logger.getEffectiveLevel() != logging.DEBUG:
-  #     print("\n--- [ReActor Debug] Принудительная установка уровня логирования на DEBUG (10) в swap_face ---")
-  #     logger.setLevel(logging.DEBUG)
+    # >>>>> РЕШЕНИЕ: Принудительная установка уровня DEBUG <<<<<
+    if logger.getEffectiveLevel() != logging.DEBUG:
+        print("\n--- [ReActor Debug] Принудительная установка уровня логирования на DEBUG (10) в swap_face ---")
+        logger.setLevel(logging.DEBUG)
     
-  #   Проверочное сообщение (теперь оно должно появиться)
-  # logger.debug("--- ТЕСТ: swap_face запущена, уровень логирования DEBUG активен. ---")
-  #   >>>>> КОНЕЦ РЕШЕНИЯ <<<<<
+    # Проверочное сообщение (теперь оно должно появиться)
+    logger.debug("--- ТЕСТ: swap_face запущена, уровень логирования DEBUG активен. ---")
+    # >>>>> КОНЕЦ РЕШЕНИЯ <<<<<
     
     global SOURCE_FACES, SOURCE_IMAGE_HASH, TARGET_FACES, TARGET_IMAGE_HASH
     result_image = target_img
@@ -625,7 +613,7 @@ def swap_face(
                         if target_face is not None and wrong_gender == 0:
                             logger.status(f"Swapping...")
                             if "hyperswap" in model:
-                              # logger.status(f"Swapping with Hyperswap...")
+                                logger.status(f"Swapping with Hyperswap...")
                                 swapped_face_256, M = run_hyperswap(face_swapper, source_face, target_face, result)
                                 if swapped_face_256 is not None:
                                     result = paste_back(result, swapped_face_256, M, crop_size=256)
@@ -811,17 +799,7 @@ def swap_face_many(
                 logger.status(f'Source Faces must have no entries (default=0), one entry, or same number of entries as target faces.')
             elif source_face is not None:
                 results = target_imgs
-                
-                # Определяем путь к модели в зависимости от типа
-                if "inswapper" in model:
-                    model_path = os.path.join(insightface_path, model)
-                elif "reswapper" in model:
-                    model_path = os.path.join(reswapper_path, model)
-                elif "hyperswap" in model:
-                    model_path = os.path.join(hyperswap_path, model)
-                else:
-                    model_path = os.path.join(insightface_path, model)
-                    
+                model_path = model_path = os.path.join(insightface_path, model)
                 face_swapper = getFaceSwapModel(model_path)
 
                 source_face_idx = 0
@@ -845,23 +823,16 @@ def swap_face_many(
                             target_face_single, wrong_gender = get_face_single(target_img, target_face, face_index=face_num, gender_target=gender_target, order=faces_order[0])
                             if target_face_single is not None and wrong_gender == 0:
                                 result = target_img
-                                
-                                # Обработка в зависимости от типа модели
-                                if "hyperswap" in model:
-                                    # Для Hyperswap используем специальную функцию
-                                    swapped_face_256, M = run_hyperswap(face_swapper, source_face, target_face_single, result)
-                                    if swapped_face_256 is not None:
-                                        result = paste_back(result, swapped_face_256, M, crop_size=256)
-                                elif face_boost_enabled:
+                                # logger.status(f"Swapping {i}...")
+                                if face_boost_enabled:
                                     logger.status(f"Face Boost is enabled")
                                     bgr_fake, M = face_swapper.get(target_img, target_face_single, source_face, paste_back=False)
                                     bgr_fake, scale = restorer.get_restored_face(bgr_fake, face_restore_model, face_restore_visibility, codeformer_weight, interpolation)
                                     M *= scale
                                     result = swapper.in_swap(target_img, bgr_fake, M)
                                 else:
-                                    # Для остальных моделей используем метод get()
+                                    # logger.status(f"Swapping as-is")
                                     result = face_swapper.get(target_img, target_face_single, source_face)
-                                    
                                 results[i] = result
                                 pbar.update(1)
                             elif wrong_gender == 1: