IOPaint 上手指南5 分钟在本地跑起免费的 AI 图像修复与对象移除【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照片上多了一个路人、屏幕截图带着水印、老照片缺了一角——这些只差一点点就完美的图以前只能重拍或手动抠。IOPaint前身 lama-cleaner是一个免费开源的 AI 图像修复inpainting/outpainting工具涂掉不想要的区域它用 SOTA 模型把背景补回来接上 Stable Diffusion 系模型还能替换物体、向外扩图。完全自托管CPU、NVIDIA GPU、AMD GPU、Apple Silicon 都能跑这也是它最实用的一点数据不出本机。先看效果IOPaint 图像修复能处理哪些场景下面四组对比全部来自仓库自带的示例图你可以直观判断它适不适合你的素材。对象移除婚礼现场天花板上多挂的白色灯笼擦掉后木梁结构自然衔接。水印清理铺满画面的图库水印人物、车体玻璃上都有去除后肤色与金属质感基本无损。文字擦除覆盖在游戏立绘上的标题大字擦除后背景云层还原完整。漫画/动漫修复专门有针对漫画调优的 manga 模型处理分镜里的对话框和旁白字。IOPaint图像修复 漫画修复后文字已清除5 分钟跑通本地修复服务安装只有两步装包、启动。模型文件在首次启动时自动下载想改下载目录加--model-dir参数即可。pip3 install iopaint iopaint start --modellama --devicecpu --port8080浏览器打开http://localhost:8080就是完整 Web 界面左侧画布涂遮罩右侧调参数。有显卡的话先装 CUDA 版 PyTorch 再把--devicecpu换成cuda推理速度差距明显。Windows 用户也有官方一键安装包省去手动装环境。默认模型 lama 属于擦除类模型专为移除物体、水印、人物优化速度快CPU 上也能用适合第一天的体验。实操流程涂遮罩、选模型、出结果Web 界面的操作路径非常短载入图片拖进画布或用内置文件管理器选图。画遮罩用画笔/套索把要擦掉的部分涂白不想手画时启用 Segment Anything 交互式分割插件点一下就能圈出目标--enable-interactive-seg模型大小从 mobile_sam 到 vit_h 可选越大越准但越慢。选模型出图日常擦除用 lama 这类擦除模型要求更高时切到扩散模型。所有可用模型清单都写在 iopaint/const.py 里包括 SD/SDXL inpainting、BrushNet、PowerPaint、AnyText在图上画文字等也支持加载本地 ckpt/safetensors。遮罩质量决定效果上限涂得比实际物体稍大一点、边缘别硬切融合会更自然。一条命令批量处理整个目录如果你手上有几十张同类图比如一整批带水印的产品图不用逐张点iopaint run --modellama --devicecpu \ --image/path/to/image_folder \ --mask/path/to/mask_folder \ --outputoutput_dir规则很直接--mask传目录时按同名匹配遮罩缺名的自动跳过传单个文件时所有图共用这一张遮罩遮罩尺寸不一致会自动缩放。结果统一输出为 PNG实现逻辑在 iopaint/batch_processing.py。进阶玩法替换、扩图与插件增强擦除只是 IOPaint 的一半能力替换物体 / 向外扩图outpainting换用扩散模型后遮罩区域可以按提示词生成新内容画布外延区域则能补出画面之外的景物。插件生态RemoveBG 抠背景、动漫分割Anime Seg、RealESRGAN 超分、GFPGAN 与 RestoreFormer 人脸修复启动时用--enable-xxx参数按需打开源码集中在 iopaint/plugins/。省显存开关显存吃紧时有--low-mem开启 attention slicing 和 VAE tiling、--cpu-offload把扩散权重挪到内存、--cpu-textencoder三个挡位小显存卡也能跑 SDXL 级模型。大图策略框架内置 crop按遮罩分块推理和 resize缩小再回贴两种高清策略大图不会直接爆显存实现在 iopaint/model/base.py。部署侧同样省事仓库提供 docker/GPUDockerfile 和 CPUDockerfiledocker build -t iopaint -f docker/GPUDockerfile .后docker run --gpus all -p 8080:8080 iopaint即可上服务器前端代码在 web_app/src/想做二次开发也可以从这里入手。写在最后IOPaint 把擦掉图上不要的东西这件事做到了 pip 一条命令的门槛对象移除、去水印、文字清理走擦除模型替换和扩图走扩散模型批量和 GPU 部署都有现成路径。对不想折腾商业软件、又要求数据本地化的用户它是目前开源方案里功能覆盖最全的选择之一。【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 上手指南：5 分钟在本地跑起免费的 AI 图像修复与对象移除
IOPaint 上手指南5 分钟在本地跑起免费的 AI 图像修复与对象移除【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照片上多了一个路人、屏幕截图带着水印、老照片缺了一角——这些只差一点点就完美的图以前只能重拍或手动抠。IOPaint前身 lama-cleaner是一个免费开源的 AI 图像修复inpainting/outpainting工具涂掉不想要的区域它用 SOTA 模型把背景补回来接上 Stable Diffusion 系模型还能替换物体、向外扩图。完全自托管CPU、NVIDIA GPU、AMD GPU、Apple Silicon 都能跑这也是它最实用的一点数据不出本机。先看效果IOPaint 图像修复能处理哪些场景下面四组对比全部来自仓库自带的示例图你可以直观判断它适不适合你的素材。对象移除婚礼现场天花板上多挂的白色灯笼擦掉后木梁结构自然衔接。水印清理铺满画面的图库水印人物、车体玻璃上都有去除后肤色与金属质感基本无损。文字擦除覆盖在游戏立绘上的标题大字擦除后背景云层还原完整。漫画/动漫修复专门有针对漫画调优的 manga 模型处理分镜里的对话框和旁白字。IOPaint图像修复 漫画修复后文字已清除5 分钟跑通本地修复服务安装只有两步装包、启动。模型文件在首次启动时自动下载想改下载目录加--model-dir参数即可。pip3 install iopaint iopaint start --modellama --devicecpu --port8080浏览器打开http://localhost:8080就是完整 Web 界面左侧画布涂遮罩右侧调参数。有显卡的话先装 CUDA 版 PyTorch 再把--devicecpu换成cuda推理速度差距明显。Windows 用户也有官方一键安装包省去手动装环境。默认模型 lama 属于擦除类模型专为移除物体、水印、人物优化速度快CPU 上也能用适合第一天的体验。实操流程涂遮罩、选模型、出结果Web 界面的操作路径非常短载入图片拖进画布或用内置文件管理器选图。画遮罩用画笔/套索把要擦掉的部分涂白不想手画时启用 Segment Anything 交互式分割插件点一下就能圈出目标--enable-interactive-seg模型大小从 mobile_sam 到 vit_h 可选越大越准但越慢。选模型出图日常擦除用 lama 这类擦除模型要求更高时切到扩散模型。所有可用模型清单都写在 iopaint/const.py 里包括 SD/SDXL inpainting、BrushNet、PowerPaint、AnyText在图上画文字等也支持加载本地 ckpt/safetensors。遮罩质量决定效果上限涂得比实际物体稍大一点、边缘别硬切融合会更自然。一条命令批量处理整个目录如果你手上有几十张同类图比如一整批带水印的产品图不用逐张点iopaint run --modellama --devicecpu \ --image/path/to/image_folder \ --mask/path/to/mask_folder \ --outputoutput_dir规则很直接--mask传目录时按同名匹配遮罩缺名的自动跳过传单个文件时所有图共用这一张遮罩遮罩尺寸不一致会自动缩放。结果统一输出为 PNG实现逻辑在 iopaint/batch_processing.py。进阶玩法替换、扩图与插件增强擦除只是 IOPaint 的一半能力替换物体 / 向外扩图outpainting换用扩散模型后遮罩区域可以按提示词生成新内容画布外延区域则能补出画面之外的景物。插件生态RemoveBG 抠背景、动漫分割Anime Seg、RealESRGAN 超分、GFPGAN 与 RestoreFormer 人脸修复启动时用--enable-xxx参数按需打开源码集中在 iopaint/plugins/。省显存开关显存吃紧时有--low-mem开启 attention slicing 和 VAE tiling、--cpu-offload把扩散权重挪到内存、--cpu-textencoder三个挡位小显存卡也能跑 SDXL 级模型。大图策略框架内置 crop按遮罩分块推理和 resize缩小再回贴两种高清策略大图不会直接爆显存实现在 iopaint/model/base.py。部署侧同样省事仓库提供 docker/GPUDockerfile 和 CPUDockerfiledocker build -t iopaint -f docker/GPUDockerfile .后docker run --gpus all -p 8080:8080 iopaint即可上服务器前端代码在 web_app/src/想做二次开发也可以从这里入手。写在最后IOPaint 把擦掉图上不要的东西这件事做到了 pip 一条命令的门槛对象移除、去水印、文字清理走擦除模型替换和扩图走扩散模型批量和 GPU 部署都有现成路径。对不想折腾商业软件、又要求数据本地化的用户它是目前开源方案里功能覆盖最全的选择之一。【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