---
name: cross-border-image-pipeline
description: 跨境电商产品图片AI处理流水线 — 抠图、去水印、换背景、虚拟试穿、LoRA风格训练。支持单卡/双卡GPU部署。
trigger: 用户需要搭建跨境电商图片处理AI流水线，或询问GPU能跑什么图片模型。
---

# 跨境电商图片AI流水线

## 模型与显存需求

| 模型 | 用途 | 显存 | 速度 |
|------|------|------|------|
| BRIA-RMBG-2.0 | 抠图去背景 | ~3GB | 0.3-0.5s/张 |
| IOPaint | 去水印/去瑕疵 | ~4GB | 1.5-2s/张 |
| SDXL + ControlNet | 换背景/构图控制 | ~10GB | 8-15s/张 |
| FLUX.1-schnell | 快速生图 | ~12GB | 4-8s/张 |
| FLUX.1-dev | 高质量生图/Inpaint | ~12GB | 12-20s/张 |
| FLUX.1-Canny/Depth | 边缘/深度精确控制 | ~12GB | 15s/张 |
| FLUX.1-Fill | 高质量Inpaint | ~24GB | 20-25s/张 |
| IDM-VTON | 服装虚拟试穿 | ~14GB | 15-25s/张 |
| OOTDiffusion | 服装试穿 | ~12GB | 12s/张 |
| SD3 Medium | 通用生图 | ~10GB | 10s/张 |

## GPU方案对比

### P102-100 × 2 (20GB, 无NVLink)
- Pascal架构 compute 6.1，无Tensor Core/FP8/BF16/xformers/FlashAttention
- 支持FP16/FP32/INT8
- 完美运行：rembg/BRIA/IOPaint (<4GB)
- 可以跑：SDXL (8-10GB)
- 勉强跑：FLUX.1-dev拆卡(12GB)、IDM-VTON低分辨率
- 跑不了：FLUX.1-Fill、SD3、LoRA训练
- 无NVLink，跨卡通信走PCIe，20-30%性能损耗
- ComfyUI分卡调度：GPU0做轻任务(抠图/去水印)，GPU1做重任务(SDXL)

### V100-16G × 2 (32GB, NVLink 300GB/s)
- Volta架构 compute 7.0，有Tensor Core
- 部分支持xformers，不支持Flash Attention(需compute≥7.5)
- 单卡可跑FLUX.1-dev/SDXL/IDM-VTON
- 双卡NVLink可跑FLUX.1-Fill(24GB)、FLUX LoRA训练
- 端到端~15s/张
- 三种模式：分卡流水线、NVLink统一32GB、混合模式

## 推荐流水线架构

```
GPU 0 (轻任务)                    GPU 1 (重任务)
┌──────────────────┐              ┌──────────────────┐
│ BRIA-RMBG 抠图    │──透明图──→  │ FLUX.1-dev 换场景  │
│ IOPaint 去水印    │──干净图──→  │ SDXL Inpaint      │
│ 图片预处理        │              │ FLUX.1-Canny 控制  │
│ PIL 800×800 裁剪  │←──成品图───│ IDM-VTON 试穿     │
└──────────────────┘              └──────────────────┘
```

## ComfyUI 部署步骤

1. 安装 ComfyUI：`git clone https://github.com/comfyanonymous/ComfyUI.git`
2. 安装依赖：`pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118`
3. 下载模型到 `ComfyUI/models/` 对应子目录
4. 多卡调度：不同节点指定不同 `device`（GPU:0 / GPU:1）
5. 启动：`python main.py --listen 0.0.0.0 --port 8188`

## 大模型拆卡（V100 NVLink）

```python
from accelerate import dispatch_model
pipe = FluxFillPipeline.from_pretrained("black-forest-labs/FLUX.1-Fill", torch_dtype=torch.float16)
pipe = dispatch_model(pipe, device_map="auto")  # 自动按层拆到GPU:0和GPU:1
```

## LoRA 训练

| 训练任务 | 显存 | 耗时 | 工具 |
|----------|------|------|------|
| SDXL LoRA | ~12GB 单卡 | ~15min | kohya-ss |
| FLUX.1-dev LoRA | ~20GB 双卡 | ~30min | kohya-ss |
| IP-Adapter | ~16GB 单卡 | ~45min | — |

## 参考文件
- `references/flairgs-api.md` — FlairGS v3.0 统一图像处理 API 文档（去背景/VL分析/文生图）

- 尺寸：800×800 像素
- 格式：JPG (白底) / PNG (透明底)
- 命名：SKU_序号_类型.jpg (如 SKU001_01_white.jpg)

## 注意事项

- P102是矿卡，无NVLink，只能软件级分卡
- V100不支持Flash Attention(compute 7.0 < 7.5要求)
- FLUX模型需从HuggingFace下载，需HF Token
- GGUF量化版可降低显存需求50%但质量略降
- 批量处理建议用ComfyUI API模式，脚本循环提交工作流