开源AI图像修复工具IOPaint免费去水印、去路人3分钟上手【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照片上别人的水印擦不掉抠图软件留下的边缘糊成一圈IOPaint 是一个免费开源的AI图像修复工具专门干这件事你圈出不要的部分它自动把那块补成没发生过。它完全免费开源、可以本地跑模型代码集中在 iopaint/model/ 目录从擦除、替换到外扩画布都能覆盖。先跑起来pip安装与Docker部署最短路径就两步pip3 install iopaint iopaint start --modellama --devicecpu --port8080浏览器打开 http://localhost:8080 上传图、涂遮罩、出结果一个界面全搞定。首次启动会自动下载模型权重不用手动折腾。有N卡就把--device换成cuda需先装CUDA版PyTorch。需要环境隔离的话仓库的 docker/ 目录里有CPU和GPU两份Dockerfiledocker build -f docker/CPUDockerfile -t iopaint .一行构建然后docker run -p 8080:8080 iopaint即可。什么活用什么模型IOPaint 内置的模型分两大族擦除类快速删东西和扩散类生成新内容。选模型前先对号入座你的任务建议模型一句话理由快速去水印、去路人、去物体lama默认模型速度快、结果稳定替换物体、扩展画布Stable Diffusion inpainting / PowerPaint靠生成能力无中生有要精确控制画面结构ControlNet配SD使用用线稿等条件约束生成结果擦文字、重写中英文anytext专为文字场景训练漫画气泡、对话框清理manga针对漫画内容特化老照片放大、面部修复RealESRGAN / GFPGAN 插件一个负责超分一个修脸原理其实不难懂这些模型在海量图片上训练过见过一块区域在正常场景里长什么样生成时会参考你遮罩周围的像素来补全。所以遮罩画得准不准直接决定修复效果好不好。场景上手按顺序试一遍去水印先看图上这种铺满整张的水印修复效果建议遮罩别贴水印边缘描多涂一圈半透明水印容易留底。常见坑水印正好叠在头发、皮肤这类细节上时可能出现轻微纹理残留这时换 PowerPaint 这类扩散模型重跑。去路人、去多余物体建议只涂主体别把整片背景都盖住周围像素就是模型补全的依据。常见坑物体拖了阴影或倒影遮罩要连阴影一起盖住否则留一道残影。想省事的话启动时开启交互式分割插件Segment Anything点几下就能自动圈出整个人。去文字建议纯色块、背景干净的用 LaMa 就够快。常见坑文字直接压在复杂画面上时LaMa 只能靠周围像素猜出来容易发糊这种图换anytext或 PowerPaint 更稳。老照片修复建议分两步走——先用 LaMa 擦掉划痕、污渍、褪色斑块再挂 RealESRGAN 插件做超分放大人脸明显模糊时叠加 GFPGAN 修脸。常见坑一步到位幻想一张命令修完全部实际老照片损伤类型多分步处理效果反而更好。从单张到批量批处理命令与API集成单张图用Web界面就够了成百上千张就交给命令行。把原图放一个文件夹、对应的遮罩放另一个文件夹文件名必须一一对应遮罩会自动缩放到原图尺寸iopaint run --modellama --devicecpu \ --image原图文件夹 \ --mask遮罩文件夹 \ --outputoutput_dir --concat这就是批量去水印的完整姿势--concat会把原图、遮罩和结果拼成一张对比图验收起来很快。除了CLI还有两条路Web界面适合小批量精细活可以边看边调遮罩、直接保存到输出目录要把IOPaint嵌进自己的工作流它本身就是FastAPI服务/api/v1/inpaint接收图片、遮罩和模型参数返回修复结果/api/v1/model可以查询和切换当前模型——发个HTTP请求就能集成不用重新造轮子。 硬件与避坑清单CPU能跑吗LaMa 可以简单擦除任务速度够用扩散模型在CPU上会慢到劝退建议上GPU。显存不够加--cpu-offload把权重挪到内存或--low-mem开启省内存模式。图很大2048px以上大尺寸图更容易爆显存优先开省内存参数或先降分辨率再修。遮罩三要素黑白图、和原图同名、白色标出要修的区域遮罩尺寸可以不同会自动缩放。结果整张发黑发绿加--no-half用全精度重跑基本能解决。一个常见误区别用Stable Diffusion做简单擦除——又慢又容易改动遮罩外的区域删掉一个东西这种活LaMa 更合适。模型下载首次使用自动下载想换存放位置用--model-dir指定。下一步打开Web界面用 assets 目录里的示例图完整走一遍上传、涂遮罩、对比结果。准备5到10张自己的图套用上面的批量去水印命令模板把参数换成自己的文件夹。效果不满意别硬刚参数直接换 PowerPaint 跑同一张图对比选留你更满意的那张。【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 开源AI图像修复工具IOPaint：免费去水印、去路人，3分钟上手
开源AI图像修复工具IOPaint免费去水印、去路人3分钟上手【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照片上别人的水印擦不掉抠图软件留下的边缘糊成一圈IOPaint 是一个免费开源的AI图像修复工具专门干这件事你圈出不要的部分它自动把那块补成没发生过。它完全免费开源、可以本地跑模型代码集中在 iopaint/model/ 目录从擦除、替换到外扩画布都能覆盖。先跑起来pip安装与Docker部署最短路径就两步pip3 install iopaint iopaint start --modellama --devicecpu --port8080浏览器打开 http://localhost:8080 上传图、涂遮罩、出结果一个界面全搞定。首次启动会自动下载模型权重不用手动折腾。有N卡就把--device换成cuda需先装CUDA版PyTorch。需要环境隔离的话仓库的 docker/ 目录里有CPU和GPU两份Dockerfiledocker build -f docker/CPUDockerfile -t iopaint .一行构建然后docker run -p 8080:8080 iopaint即可。什么活用什么模型IOPaint 内置的模型分两大族擦除类快速删东西和扩散类生成新内容。选模型前先对号入座你的任务建议模型一句话理由快速去水印、去路人、去物体lama默认模型速度快、结果稳定替换物体、扩展画布Stable Diffusion inpainting / PowerPaint靠生成能力无中生有要精确控制画面结构ControlNet配SD使用用线稿等条件约束生成结果擦文字、重写中英文anytext专为文字场景训练漫画气泡、对话框清理manga针对漫画内容特化老照片放大、面部修复RealESRGAN / GFPGAN 插件一个负责超分一个修脸原理其实不难懂这些模型在海量图片上训练过见过一块区域在正常场景里长什么样生成时会参考你遮罩周围的像素来补全。所以遮罩画得准不准直接决定修复效果好不好。场景上手按顺序试一遍去水印先看图上这种铺满整张的水印修复效果建议遮罩别贴水印边缘描多涂一圈半透明水印容易留底。常见坑水印正好叠在头发、皮肤这类细节上时可能出现轻微纹理残留这时换 PowerPaint 这类扩散模型重跑。去路人、去多余物体建议只涂主体别把整片背景都盖住周围像素就是模型补全的依据。常见坑物体拖了阴影或倒影遮罩要连阴影一起盖住否则留一道残影。想省事的话启动时开启交互式分割插件Segment Anything点几下就能自动圈出整个人。去文字建议纯色块、背景干净的用 LaMa 就够快。常见坑文字直接压在复杂画面上时LaMa 只能靠周围像素猜出来容易发糊这种图换anytext或 PowerPaint 更稳。老照片修复建议分两步走——先用 LaMa 擦掉划痕、污渍、褪色斑块再挂 RealESRGAN 插件做超分放大人脸明显模糊时叠加 GFPGAN 修脸。常见坑一步到位幻想一张命令修完全部实际老照片损伤类型多分步处理效果反而更好。从单张到批量批处理命令与API集成单张图用Web界面就够了成百上千张就交给命令行。把原图放一个文件夹、对应的遮罩放另一个文件夹文件名必须一一对应遮罩会自动缩放到原图尺寸iopaint run --modellama --devicecpu \ --image原图文件夹 \ --mask遮罩文件夹 \ --outputoutput_dir --concat这就是批量去水印的完整姿势--concat会把原图、遮罩和结果拼成一张对比图验收起来很快。除了CLI还有两条路Web界面适合小批量精细活可以边看边调遮罩、直接保存到输出目录要把IOPaint嵌进自己的工作流它本身就是FastAPI服务/api/v1/inpaint接收图片、遮罩和模型参数返回修复结果/api/v1/model可以查询和切换当前模型——发个HTTP请求就能集成不用重新造轮子。 硬件与避坑清单CPU能跑吗LaMa 可以简单擦除任务速度够用扩散模型在CPU上会慢到劝退建议上GPU。显存不够加--cpu-offload把权重挪到内存或--low-mem开启省内存模式。图很大2048px以上大尺寸图更容易爆显存优先开省内存参数或先降分辨率再修。遮罩三要素黑白图、和原图同名、白色标出要修的区域遮罩尺寸可以不同会自动缩放。结果整张发黑发绿加--no-half用全精度重跑基本能解决。一个常见误区别用Stable Diffusion做简单擦除——又慢又容易改动遮罩外的区域删掉一个东西这种活LaMa 更合适。模型下载首次使用自动下载想换存放位置用--model-dir指定。下一步打开Web界面用 assets 目录里的示例图完整走一遍上传、涂遮罩、对比结果。准备5到10张自己的图套用上面的批量去水印命令模板把参数换成自己的文件夹。效果不满意别硬刚参数直接换 PowerPaint 跑同一张图对比选留你更满意的那张。【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