IOPaint 本地图片擦除几行命令抹掉水印与路人【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 是一个开源的图片修复inpainting工具用 AI 模型抹去图片中的水印、文字、杂物和不想要的人物也能用扩散模型重绘局部。跟着本文操作你能在命令行完成一次图片擦除并启动 Web 界面交互编辑。能力速览IOPaint 做两类事一是擦除把标记区域的内容去掉并用周围背景补全二是重绘用扩散模型替换物体或向外扩展画面。单图清理传入一张图和一张蒙版指定要抹掉的区域即可。批量处理指定输入图和蒙版的文件夹一条命令跑完全部图片。交互编辑启动 Web 界面用画笔直接画蒙版所见即所得。擦除类模型包括 lama、ldm、fcf、manga、cv2 等默认使用 lama。安装环境并拉取模型先拿到代码。执行git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint进入目录没有报错即成功。再装后端依赖torch、diffusers 等体积较大耐心等pip install -r requirements.txt看到 Successfully installed 即成功。若要用 NVIDIA 显卡加速需先安装对应 CUDA 版本的 PyTorch以项目 README 中的说明为准。模型首次运行会自动下载你也可以提前拉取python main.py download --model lama看到 Done. 即成功。模型默认存放在用户缓存目录如~/.cache可用python main.py list查看已下载模型用--model-dir换位置。运行一次图片擦除任务准备输入擦除靠原图 蒙版驱动。蒙版是黑白图白色部分就是要抹掉的区域蒙版尺寸和原图不一致时会自动缩放。仓库自带示例图和测试蒙版可直接使用。执行命令对水印示例图做擦除--concat会把原图、蒙版、结果拼成一张对比图方便核对python main.py run --model lama --device cpu \ --image assets/watermark.jpg \ --mask iopaint/tests/mask.png \ --output output/ \ --concat核对结果output/目录生成watermark.png白色蒙版区域的内容被背景补全原图其余部分不变即为成功。下面是原图与清理后的效果想批量跑时把--image和--mask都指向文件夹蒙版文件需与图片同名一一对应若--mask是单张图则所有图片共用它。--output此时必须填目录。调参与批量进阶参数作用何时需要--model选模型lama、ldm、fcf、manga、cv2 等擦除模型或扩散模型默认效果不佳时换模型--devicecpu或cuda有 N 卡时切cuda提速--concat输出原图蒙版结果三联对比图快速核对擦除范围--config从 JSON 文件加载修复参数反复使用同一组参数--model-dir指定模型存放目录默认缓存盘空间不足--low-mem开启 attention slicing 与 vae tiling 省显存显存小于 4GB 的机器--no-half用 fp32 全精度运行扩散模型结果发黑发绿--quality输出编码质量 0-100越大越清晰文件越大保存 JPG 想控制体积两条组合技巧动漫图片把--model换成anime-lama针对性更强显存紧张时start服务加--low-mem --cpu-offload把权重卸载到内存。启动 Web 界面画蒙版不想手工准备蒙版文件时直接启动服务模型缺失会自动下载python main.py start --model lama --device cpu --port 8080 --inbrowser看到服务启动日志、浏览器自动打开http://localhost:8080即成功。界面上你可以做三件事用画笔、套索直接在图片上画蒙版实时看擦除效果在侧边栏切换擦除模型或扩散模型、调整修复参数启用交互分割Segment Anything、去背景、GFPGAN 人脸修复等插件并把结果保存到输出目录。排查常见问题模型下载慢或超时模型来自境外站点网络原因导致缓慢 → 换网络环境下载后通过--model-dir指向本地目录或自行配置代理。结果图发黑、发绿半精度fp16在部分环境不稳定 → 加--no-half用全精度重跑。显存不够报 OOM单卡显存装不下模型 → 启动时加--low-mem更紧张再加--cpu-offload。蒙版没按预期生效蒙版按 127 灰度阈值二值化灰色半透明像素会被判黑 → 把要擦除的区域画成纯白边缘留一点余量。延伸资料命令行入口iopaint/cli.pylama 擦除模型实现iopaint/model/lama.py批量处理逻辑iopaint/batch_processing.py用本文的示例蒙版跑几张自己的图再打开 Web 界面试试画笔。【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 本地图片擦除：几行命令抹掉水印与路人
IOPaint 本地图片擦除几行命令抹掉水印与路人【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 是一个开源的图片修复inpainting工具用 AI 模型抹去图片中的水印、文字、杂物和不想要的人物也能用扩散模型重绘局部。跟着本文操作你能在命令行完成一次图片擦除并启动 Web 界面交互编辑。能力速览IOPaint 做两类事一是擦除把标记区域的内容去掉并用周围背景补全二是重绘用扩散模型替换物体或向外扩展画面。单图清理传入一张图和一张蒙版指定要抹掉的区域即可。批量处理指定输入图和蒙版的文件夹一条命令跑完全部图片。交互编辑启动 Web 界面用画笔直接画蒙版所见即所得。擦除类模型包括 lama、ldm、fcf、manga、cv2 等默认使用 lama。安装环境并拉取模型先拿到代码。执行git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint进入目录没有报错即成功。再装后端依赖torch、diffusers 等体积较大耐心等pip install -r requirements.txt看到 Successfully installed 即成功。若要用 NVIDIA 显卡加速需先安装对应 CUDA 版本的 PyTorch以项目 README 中的说明为准。模型首次运行会自动下载你也可以提前拉取python main.py download --model lama看到 Done. 即成功。模型默认存放在用户缓存目录如~/.cache可用python main.py list查看已下载模型用--model-dir换位置。运行一次图片擦除任务准备输入擦除靠原图 蒙版驱动。蒙版是黑白图白色部分就是要抹掉的区域蒙版尺寸和原图不一致时会自动缩放。仓库自带示例图和测试蒙版可直接使用。执行命令对水印示例图做擦除--concat会把原图、蒙版、结果拼成一张对比图方便核对python main.py run --model lama --device cpu \ --image assets/watermark.jpg \ --mask iopaint/tests/mask.png \ --output output/ \ --concat核对结果output/目录生成watermark.png白色蒙版区域的内容被背景补全原图其余部分不变即为成功。下面是原图与清理后的效果想批量跑时把--image和--mask都指向文件夹蒙版文件需与图片同名一一对应若--mask是单张图则所有图片共用它。--output此时必须填目录。调参与批量进阶参数作用何时需要--model选模型lama、ldm、fcf、manga、cv2 等擦除模型或扩散模型默认效果不佳时换模型--devicecpu或cuda有 N 卡时切cuda提速--concat输出原图蒙版结果三联对比图快速核对擦除范围--config从 JSON 文件加载修复参数反复使用同一组参数--model-dir指定模型存放目录默认缓存盘空间不足--low-mem开启 attention slicing 与 vae tiling 省显存显存小于 4GB 的机器--no-half用 fp32 全精度运行扩散模型结果发黑发绿--quality输出编码质量 0-100越大越清晰文件越大保存 JPG 想控制体积两条组合技巧动漫图片把--model换成anime-lama针对性更强显存紧张时start服务加--low-mem --cpu-offload把权重卸载到内存。启动 Web 界面画蒙版不想手工准备蒙版文件时直接启动服务模型缺失会自动下载python main.py start --model lama --device cpu --port 8080 --inbrowser看到服务启动日志、浏览器自动打开http://localhost:8080即成功。界面上你可以做三件事用画笔、套索直接在图片上画蒙版实时看擦除效果在侧边栏切换擦除模型或扩散模型、调整修复参数启用交互分割Segment Anything、去背景、GFPGAN 人脸修复等插件并把结果保存到输出目录。排查常见问题模型下载慢或超时模型来自境外站点网络原因导致缓慢 → 换网络环境下载后通过--model-dir指向本地目录或自行配置代理。结果图发黑、发绿半精度fp16在部分环境不稳定 → 加--no-half用全精度重跑。显存不够报 OOM单卡显存装不下模型 → 启动时加--low-mem更紧张再加--cpu-offload。蒙版没按预期生效蒙版按 127 灰度阈值二值化灰色半透明像素会被判黑 → 把要擦除的区域画成纯白边缘留一点余量。延伸资料命令行入口iopaint/cli.pylama 擦除模型实现iopaint/model/lama.py批量处理逻辑iopaint/batch_processing.py用本文的示例蒙版跑几张自己的图再打开 Web 界面试试画笔。【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
