本文由 资源共享网 – ziyuan 发布，转载请注明出处，如有问题请联系我们！TorchScript‌ 格式的序列化模型

w-ll_ucoco_384_bs5.torchscript.pt 是 DWPose（DW-LL）姿态估计模型的一个特定优化版本，专门用于 ComfyUI ControlNet 等 AI 绘画工作流中的人体关键点检测。‌

该文件是 ‌TorchScript‌ 格式的序列化模型，意味着它已经过编译优化，无需依赖完整的 Python 环境即可高效推理，显著提升了加载速度和运行稳定性。

核心参数解析

• ‌dw-ll (DensePose / DW-LL)‌：指代模型架构，基于 RTMPose 改进的轻量级高精度姿态估计网络，专门针对 COCO 数据集训练，能精准识别人体 17 个关键点。

• ‌ucoco‌：表示训练数据集为 Unified COCO，覆盖更广泛的人体姿态场景。

• ‌384‌：输入分辨率。模型将图像缩放至 ‌384x384‌ 进行推理。相比 256 分辨率精度更高，相比 512 分辨率速度更快，是速度与精度的平衡点。

• ‌bs5‌：Batch Size 5。表示该模型在导出时针对批处理大小为 5 进行了优化，适合并行处理多张图片或在视频帧处理中保持高吞吐率。

• ‌torchscript.pt‌：PyTorch 的 TorchScript 格式。相比原始的 .pth 或 .onnx，它在 PyTorch 原生环境中兼容性最好，且无需安装额外的 ONNX Runtime 依赖。

主要用途

在 ‌ComfyUI‌ 的 ‌ControlNet Aux‌ 预处理器节点中，该文件通常被用作 ‌DWPose Estimator‌（姿态估计器）：

1. ‌配合 YOLOX 检测器使用‌：DWPose 采用两阶段架构，先由 yolox_l.torchscript.pt 检测人体边界框，再由本模型在框内预测关键点。

2. ‌生成姿态图‌：将提取的关键点渲染成骨架图（OpenPose 风格），作为 ControlNet 的输入条件，精准控制生成图中人物的动作姿态。

性能优势

根据社区测试数据，使用此 TorchScript 版本相比原生 PyTorch 模型：

• ‌推理速度提升‌：约 30-50%

• ‌显存占用降低‌：约 15-20%

• ‌部署复杂度‌：极低，仅需 PyTorch 环境，无额外依赖冲突风险

配置建议

在 ComfyUI 的 DWPose 节点中：

• ‌bbox_detector‌: 设置为 yolox_l.torchscript.pt

• ‌pose_estimator‌: 设置为 dw-ll_ucoco_384_bs5.torchscript.pt

• ‌half_precision‌: 建议启用（FP16），可进一步减少显存占用并加速推理，尤其在 RTX 30/40 系列显卡上效果显著。

如果显存不足（<4GB），可考虑切换至分辨率更低的模型（如 256 版本）或关闭手部/面部细节检测。