尧图网页设计 
IOPaint 完整入门指南两条命令跑起免费开源的 AI 图像修复与去水印【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inpainting工具可以从图片中移除不需要的物体、水印、人物或缺陷也能基于 Stable Diffusion 类模型对指定区域进行内容替换、画面补全outpainting。整个过程在本地机器上运行无需上传云端支持 CPU、GPU 与 Apple Silicon。偶尔清理一两张照片还是用脚本批量处理整个文件夹它都覆盖得到。它适合两类使用者一是普通用户打开内置的 Web 界面涂抹掩膜即可获得结果二是开发者用命令行对已有固定掩膜的图像做批处理。两条命令完成安装与启动通过 PyPI 安装官方包PyTorch、OpenCV 等依赖会一并拉取pip3 install iopaint随后启动 Web 服务。lama是轻量修复模型适合新手--devicecpu表示在 CPU 上运行--port8080指定监听端口iopaint start --modellama --devicecpu --port8080启动后在浏览器访问 http://localhost:8080 即可进入编辑界面。模型文件会在首次启动时自动下载网络不佳时可用--model-dir指定下载目录以便检查进度。要使用独立显卡需先安装对应 CUDA 版本的 PyTorch再把参数改为--devicecuda。一次完整使用流程从带路人的照片到干净结果以一个常见用例说明一张街景照片画面里有一位需要移除的路人。Web 界面中的操作分三步上传图像选择这张照片载入编辑器。涂抹掩膜用画笔覆盖人物的区域。无需精确勾勒轮廓模型会依据掩膜周围的上下文自行推断被遮挡的背景涂得完整比涂得精细更重要。执行修复点击运行CPU 上跑 LAMA 处理这张图通常只需几秒掩膜区域会被填充为合理的街景背景。如果目标不是“自然填回”而是把区域内换成别的内容可以改用扩散模型如 PowerPaint并提供文字提示词相当于在掩膜内重画。模型与参数选择把效果做对不同模型针对的任务不同启动时用--model直接切换lama速度最快适合小物体与文字水印。zits质量更高适合复杂纹理与较大区域。manga针对漫画与条漫页面保留线稿和网点。扩散系列sd、sdxl、powerpaint、brushnet、anytext 等用于替换、重绘、生成文字与画面外扩。海报上的文字水印被修复后的效果如下图背景图案得到了恢复值得调整的参数主要是两处。一是掩膜大小比目标略大一圈时边缘更干净涂得过大则模型需要凭空补画的区域变多容易出现“糊块”。二是扩散模型的步数结果细节不足时把步数调高通常有帮助。插件组合精准选区与老照片修复插件通过启动时追加参数启用两个常用组合交互式分割精准掩膜。对发丝、半透明物体这类画笔不好描的形状启用 Segment Anything 插件后可以在画面上点选完成分割iopaint start --modellama --devicecpu --enable-interactive-seg --interactive-seg-devicecpu老照片双管齐下。图像本身有噪点、损伤时用 ZITS 做修复同时启用 GFPGAN 人脸恢复插件去水印的同时把人脸修复iopaint start --modelzits --devicecpu --enable-gfpgan --gfpgan-devicecpu漫画页带水印的场景则直接用--modelmanga启动修复后仍能保留原有线条与网点批量处理命令行一次搞定上百张需要处理大量图片时不必逐张打开界面。iopaint run从两个目录读取原图与掩膜输出到指定目录iopaint run --modellama --devicecpu \ --imageinput_images \ --maskmask_images \ --outputresults--image与--mask指向同名对应的原图、掩膜文件夹若--mask指向单个掩膜文件则该掩膜会应用到文件夹内所有图片适合水印位置固定的场景。三个容易踩的坑CPU 处理太慢。LAMA 在 CPU 上尚可扩散模型则会明显变慢。有独立显卡就装 CUDA 版 PyTorch 并改用--devicecuda等待时间会大幅缩短。掩膜涂得过大。掩膜覆盖半张图时模型缺乏可参考的上下文只能凭空生成结果常是大片模糊。掩膜尽量贴着目标涂区域确实很大时换用更强的模型。首次启动卡在下载。模型文件首次启动才下载网络不稳时看起来像卡死。用--model-dir把模型放到可检查的目录或提前手动下载。小结一句话总结IOPaint 是一个本地运行的免费开源修复工具“安装 一条启动命令”即可上手从去水印、移除物体到批量脚本处理都有对应路径。更多模型与插件细节可查阅项目内的 README.md。【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 IOPaint 完整入门指南：两条命令跑起免费开源的 AI 图像修复与去水印
IOPaint 完整入门指南两条命令跑起免费开源的 AI 图像修复与去水印【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inpainting工具可以从图片中移除不需要的物体、水印、人物或缺陷也能基于 Stable Diffusion 类模型对指定区域进行内容替换、画面补全outpainting。整个过程在本地机器上运行无需上传云端支持 CPU、GPU 与 Apple Silicon。偶尔清理一两张照片还是用脚本批量处理整个文件夹它都覆盖得到。它适合两类使用者一是普通用户打开内置的 Web 界面涂抹掩膜即可获得结果二是开发者用命令行对已有固定掩膜的图像做批处理。两条命令完成安装与启动通过 PyPI 安装官方包PyTorch、OpenCV 等依赖会一并拉取pip3 install iopaint随后启动 Web 服务。lama是轻量修复模型适合新手--devicecpu表示在 CPU 上运行--port8080指定监听端口iopaint start --modellama --devicecpu --port8080启动后在浏览器访问 http://localhost:8080 即可进入编辑界面。模型文件会在首次启动时自动下载网络不佳时可用--model-dir指定下载目录以便检查进度。要使用独立显卡需先安装对应 CUDA 版本的 PyTorch再把参数改为--devicecuda。一次完整使用流程从带路人的照片到干净结果以一个常见用例说明一张街景照片画面里有一位需要移除的路人。Web 界面中的操作分三步上传图像选择这张照片载入编辑器。涂抹掩膜用画笔覆盖人物的区域。无需精确勾勒轮廓模型会依据掩膜周围的上下文自行推断被遮挡的背景涂得完整比涂得精细更重要。执行修复点击运行CPU 上跑 LAMA 处理这张图通常只需几秒掩膜区域会被填充为合理的街景背景。如果目标不是“自然填回”而是把区域内换成别的内容可以改用扩散模型如 PowerPaint并提供文字提示词相当于在掩膜内重画。模型与参数选择把效果做对不同模型针对的任务不同启动时用--model直接切换lama速度最快适合小物体与文字水印。zits质量更高适合复杂纹理与较大区域。manga针对漫画与条漫页面保留线稿和网点。扩散系列sd、sdxl、powerpaint、brushnet、anytext 等用于替换、重绘、生成文字与画面外扩。海报上的文字水印被修复后的效果如下图背景图案得到了恢复值得调整的参数主要是两处。一是掩膜大小比目标略大一圈时边缘更干净涂得过大则模型需要凭空补画的区域变多容易出现“糊块”。二是扩散模型的步数结果细节不足时把步数调高通常有帮助。插件组合精准选区与老照片修复插件通过启动时追加参数启用两个常用组合交互式分割精准掩膜。对发丝、半透明物体这类画笔不好描的形状启用 Segment Anything 插件后可以在画面上点选完成分割iopaint start --modellama --devicecpu --enable-interactive-seg --interactive-seg-devicecpu老照片双管齐下。图像本身有噪点、损伤时用 ZITS 做修复同时启用 GFPGAN 人脸恢复插件去水印的同时把人脸修复iopaint start --modelzits --devicecpu --enable-gfpgan --gfpgan-devicecpu漫画页带水印的场景则直接用--modelmanga启动修复后仍能保留原有线条与网点批量处理命令行一次搞定上百张需要处理大量图片时不必逐张打开界面。iopaint run从两个目录读取原图与掩膜输出到指定目录iopaint run --modellama --devicecpu \ --imageinput_images \ --maskmask_images \ --outputresults--image与--mask指向同名对应的原图、掩膜文件夹若--mask指向单个掩膜文件则该掩膜会应用到文件夹内所有图片适合水印位置固定的场景。三个容易踩的坑CPU 处理太慢。LAMA 在 CPU 上尚可扩散模型则会明显变慢。有独立显卡就装 CUDA 版 PyTorch 并改用--devicecuda等待时间会大幅缩短。掩膜涂得过大。掩膜覆盖半张图时模型缺乏可参考的上下文只能凭空生成结果常是大片模糊。掩膜尽量贴着目标涂区域确实很大时换用更强的模型。首次启动卡在下载。模型文件首次启动才下载网络不稳时看起来像卡死。用--model-dir把模型放到可检查的目录或提前手动下载。小结一句话总结IOPaint 是一个本地运行的免费开源修复工具“安装 一条启动命令”即可上手从去水印、移除物体到批量脚本处理都有对应路径。更多模型与插件细节可查阅项目内的 README.md。【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