IOPaint 图像修复实战指南5分钟上手去除物体与水印【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaintIOPaint 是一款免费开源的 AI 图像修复工具。它用 LaMa、Stable Diffusion 等模型帮你移除照片里的物体、人物、水印还能重画画面内容。一堆产品图被图库水印盖满逐张修图让人头疼。如果刷一下水印区域就能自动补全那就是它要做的事。5分钟上手一条命令去掉照片里的物体你只需要两条命令pip3 install iopaint iopaint start --modellama --devicecpu --port8080第一条安装程序第二条启动服务模型用内置的 LaMa在 CPU 上运行。你做了什么、项目给了什么反馈第一条命令装完第二条命令会打印环境信息然后自动下载 LaMa 模型。模型默认存到用户目录的 .cache 下可用--model-dir换位置。下载完成后服务就绪浏览器打开 http://localhost:8080 就是编辑页面。在页面里上传一张照片刷出要删掉的区域点生成背景会被自然补上。 提示想用 GPU 加速先装 CUDA 版 PyTorch再用--devicecuda启动。具体版本以 README.md 安装部分为准。装、启动、刷笔、看效果从零到第一张修复图只要五分钟。核心功能拆解擦除和替换怎么选IOPaint 把图像编辑分成两类擦除和替换。擦除LaMa 处理水印、物体和文字它能做什么刷掉指定区域用周围背景补全。水印、路人、小物件都是它的强项。怎么操作网页端默认就是--modellama。图片上如果是固定位置的水印可以存一张遮罩反复使用。漫画图还有专门训练的 anime-lama 模型。效果如何小面积擦除成功率高背景纹理基本连续。上面两张就是 lama 模型的实拍输出。替换与外扩Stable Diffusion 重画内容它能做什么不只是补背景而是按文字描述生成新内容。可以把画面里的旧物件换成新样式也可以向外扩展画面边界外扩。怎么操作把--model换成任意 Stable Diffusion 模型 ID官方内置推荐 PowerPaint。模型首次使用会自动下载但显存有要求。两类模型分工不同建议你这样选对比项擦除模型LaMa扩散模型SD/PowerPaint作用删内容、补背景按提示词重画新内容速度快秒级出图慢需要显存硬件CPU 可跑强烈建议 GPU典型场景水印、小物体、文字物体替换、外扩补边插件像装 App 一样加功能项目还内置了一批插件交互式分割点击选物体、GFPGAN 人脸修复、RealESRGAN 超分辨率、RemoveBG 抠背景。它们默认关闭启动时加参数才启用iopaint start --enable-interactive-seg --interactive-seg-devicecuda开了交互式分割后你在页面上点一下物体它就自动圈出边界生成精准遮罩再交给 LaMa 擦除。擦除管删掉替换管换掉插件管收尾。设计思路为什么新模型能像 USB 一样插进来项目把所有模型代码放在 iopaint/model/ 目录每个模型一个文件。比如 iopaint/model/lama.py整个 LaMa 接入就百来行。关键在 iopaint/model/base.py 里的抽象基类。所有模型只需实现两个方法一个加载模型一个执行推理。大图裁剪、边缘填充这些通用逻辑基类统一处理。这像 USB 标准系统定义接口符合规范的设备插上就能用。中间的 iopaint/model_manager.py 就是那个接口它按名字找模型没下载就自动下载。插件同理。iopaint/plugins/base_plugin.py 定义了 gen_image 和 gen_mask 两个方法。每个插件独立存在启动时加--enable-xxx才生效不拖累核心。前端是 React 加 Vite代码在 web_app/ 目录后端是 FastAPI 服务两边靠 HTTP 接口通信。模型是标准化引擎接口是USB 插槽新模型不用改现有代码。进阶与边界批量处理怎么配它会在哪里翻车命令行批量处理怎么配处理大量图片用iopaint runiopaint run --modellama --devicecpu \ --image/path/to/image_folder \ --mask/path/to/mask_folder \ --outputoutput_dir--image放原图文件夹--mask放遮罩文件夹或单张遮罩--output是输出目录。处理逻辑在 iopaint/batch_processing.py。 提示批量有个容易踩的坑。遮罩和原图的文件名不含扩展名必须一致不一致的图会被跳过。遮罩尺寸与原图不符时程序会自动缩放并按 127 阈值二值化。假设 100 张产品图的水印都在固定位置你只需准备一张遮罩。--mask指向这个单文件时整个文件夹都会用它处理进度条实时显示。性能调优与部署显存不够时启动加--low-mem切分注意力计算。内存再紧张就加--cpu-offload把模型权重挪到内存。出图发黑发绿时加--no-half改用全精度。大图有两种处理策略CROP 只裁剪遮罩所在区域RESIZE 先缩小处理完再放大回去。部署方面仓库自带 docker/GPUDockerfile 和 docker/CPUDockerfile构建镜像后跑容器即可。它不擅长什么开始前先认清边界擦除模型只会补不理解内容大面积擦除容易糊。扩散模型在 CPU 上很慢大批量不推荐。文字重画需要额外下载 AnyText 模型不在默认包里。效果高度依赖遮罩精度刷错了效果就打折。不支持视频逐帧处理得自己想办法。批量给了它生产力认清边界才不会踩坑。收束与行动5步开始你的AI修复之旅第1步pip3 install iopaint安装并启动打开网页界面。第2步先用 LaMa 擦除刷一个水印看效果。第3步换扩散模型试一次替换或外扩。第4步固定批量流程用iopaint run加遮罩批量出图。第5步想改代码或加功能克隆源码阅读git clone https://gitcode.com/GitHub_Trending/io/IOPaint工具免费数据留在你自己的机器上。先从删掉那个碍眼的水印开始吧。【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考