IOPaint AI图像修复指南如何用一条命令去水印、移除多余物体和修老照片【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 是一个免费的开源 AI 图像修复inpainting工具专门解决图里有碍眼东西但周围像素该怎么补这个经典难题照片上的水印、路过的行人、漫画里的文字框、老照片的划痕和缺损都能圈出来让模型自动填上自然的内容。它同时支持 CPU、GPU 和 Apple Silicon完全本地运行不用把图片上传到任何在线服务。先跑起来一条命令看到效果整个安装就两步先装包再启动本地 Web 界面。首次启动会自动下载你选的模型之后直接访问 http://localhost:8080 就能用浏览器里打开图片、刷涂要修的掩码区域、点修复流程非常直接。pip3 install iopaint iopaint start --modellama --devicecpu --port8080上面的命令用的是默认的 LaMa 模型适合绝大多数擦除类任务。想先确认效果仓库的 assets 目录里就有一组现成的前后对比图水印从人物照片上被干净地抹掉背景纹理和人物细节基本保持原样真实场景逐个解决场景一移除画面里的文字和漫画框漫画扫描页上的对话框、封面图上的标题文字都是高频需求。操作方式和去水印一样在 Web 界面里把文字区域用笔刷涂成黑色掩码代表要重绘的范围选一个擦除类模型跑一次。下面这组对比里游戏封面上覆盖核心画面的一大片标题文字被移除后底层的艺术画面完整呈现如果修的是动漫/漫画风格的图可以把启动命令里的模型换成anime-lama或manga它们是针对这类画面训练的线条和色块的重绘更贴合原画风。场景二移除路人或不需要的物体拍风景照时画面里闯进来一个人或者天花板下挂着一个不该出现的物件——LaMa 处理这类小范围物体移除足够用速度快、边缘融合自然。下面这组对比中天花板下多出来的白色灯笼被去掉后场景结构没有变形但要注意一个边界擦除类模型本质上是补洞它不会理解语义。如果你不是想删掉物体而是想换掉比如把行人替换成一只猫那就属于生成类任务要换 Stable Diffusion 系的模型后面选型部分会讲。场景三老照片修复与增强老照片通常是修复 增强两件事叠加先擦掉划痕、霉点再把模糊的脸和细节找回来。IOPaint 的插件体系插件目录正好覆盖这两步——用--enable-gfpgan启动后可以在界面上对人脸做修复增强--enable-realesrgan则提供 4 倍超分辨率。启动时把这些开关带上即可比如iopaint start --modellama --devicecpu \ --enable-gfpgan --enable-realesrgan修老照片的顺序建议是先用低强度的掩码处理划痕再对局部尤其是人脸区域跑一次 GFPGAN最后整体做 RealESRGAN 放大一步到位反而容易出伪影。怎么选模型先分清擦除还是生成IOPaint 内置模型分两大阵营选型逻辑就一句话只是删东西选擦除类要换东西/画新东西选扩散类。擦除类lama、mat、zits、fcf、manga等不需要文字提示词纯靠掩码区域周围的像素推断怎么补。优点是快、轻CPU 上也能跑适合去水印、去路人、去文字。日常 90% 的需求到 LaMa 就够了细节不对再试其他模型。扩散类Stable Diffusion、SDXL、BrushNet、PowerPaint 等基于掩码 提示词做生成可以把 X 替换成 Y、把图片向外扩展outpainting。缺点是模型体积大、吃显存CPU 上很慢。专项模型anytext专门处理在图上写文字含中文controlnet让扩散模型按结构约束走编辑更精准。所有模型的实现都在 模型目录 下比如 lama.py选不准的时候翻一下对应实现很快能看懂它的输入输出约定原图 255 表示要重绘的掩码。常见问题与避坑GPU 还是 CPU 怎么选--device传cpu、cudaN 卡或mpsApple Silicon。LaMa 这类擦除模型在 CPU 上处理普通尺寸图片毫无压力建议先 CPU 跑通再考虑加 GPU只有跑 Stable Diffusion 系生成模型时才必须上 GPU且要先装 CUDA 版本的 PyTorch。显存不够就开省内存开关跑大尺寸图或 SDXL 报 OOM 时按顺序试这三个启动参数--low-mem推理后清理缓存、--no-half放弃半精度换稳定性、--cpu-offload把不活跃的模块挪回 CPU。代价是速度下降属于能跑优先的选项。批量处理不用开 Web 界面iopaint run命令支持整个文件夹--image和--mask都指向目录时掩码图必须与原图同名一一对应如果--mask指向单个文件则所有图共用这一张掩码掩码会自动缩放对齐。加--concat还能把原图、掩码、结果拼成一张对比图方便抽检。处理几千张图前先拿一两张小图试参数是省时间的习惯。写在最后IOPaint 把擦除、生成、分割、人脸修复、超分这些原本分散在各家项目里的能力收进了一个本地工具里选对模型、圈好掩码大部分图片修复需求就能闭环。想继续深挖的话可以从三个方向入手源码入口iopaint/model/ 下每个模型一个文件是理解各算法差异最快的路径API 集成iopaint/api.py 暴露了 FastAPI 接口可以直接把修复能力嵌进自己的系统前端二次开发web_app/src/ 是完整的 React 编辑器画掩码、快捷键、插件面板都在这套组件里改造成本不高【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 AI图像修复指南：如何用一条命令去水印、移除多余物体和修老照片
IOPaint AI图像修复指南如何用一条命令去水印、移除多余物体和修老照片【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 是一个免费的开源 AI 图像修复inpainting工具专门解决图里有碍眼东西但周围像素该怎么补这个经典难题照片上的水印、路过的行人、漫画里的文字框、老照片的划痕和缺损都能圈出来让模型自动填上自然的内容。它同时支持 CPU、GPU 和 Apple Silicon完全本地运行不用把图片上传到任何在线服务。先跑起来一条命令看到效果整个安装就两步先装包再启动本地 Web 界面。首次启动会自动下载你选的模型之后直接访问 http://localhost:8080 就能用浏览器里打开图片、刷涂要修的掩码区域、点修复流程非常直接。pip3 install iopaint iopaint start --modellama --devicecpu --port8080上面的命令用的是默认的 LaMa 模型适合绝大多数擦除类任务。想先确认效果仓库的 assets 目录里就有一组现成的前后对比图水印从人物照片上被干净地抹掉背景纹理和人物细节基本保持原样真实场景逐个解决场景一移除画面里的文字和漫画框漫画扫描页上的对话框、封面图上的标题文字都是高频需求。操作方式和去水印一样在 Web 界面里把文字区域用笔刷涂成黑色掩码代表要重绘的范围选一个擦除类模型跑一次。下面这组对比里游戏封面上覆盖核心画面的一大片标题文字被移除后底层的艺术画面完整呈现如果修的是动漫/漫画风格的图可以把启动命令里的模型换成anime-lama或manga它们是针对这类画面训练的线条和色块的重绘更贴合原画风。场景二移除路人或不需要的物体拍风景照时画面里闯进来一个人或者天花板下挂着一个不该出现的物件——LaMa 处理这类小范围物体移除足够用速度快、边缘融合自然。下面这组对比中天花板下多出来的白色灯笼被去掉后场景结构没有变形但要注意一个边界擦除类模型本质上是补洞它不会理解语义。如果你不是想删掉物体而是想换掉比如把行人替换成一只猫那就属于生成类任务要换 Stable Diffusion 系的模型后面选型部分会讲。场景三老照片修复与增强老照片通常是修复 增强两件事叠加先擦掉划痕、霉点再把模糊的脸和细节找回来。IOPaint 的插件体系插件目录正好覆盖这两步——用--enable-gfpgan启动后可以在界面上对人脸做修复增强--enable-realesrgan则提供 4 倍超分辨率。启动时把这些开关带上即可比如iopaint start --modellama --devicecpu \ --enable-gfpgan --enable-realesrgan修老照片的顺序建议是先用低强度的掩码处理划痕再对局部尤其是人脸区域跑一次 GFPGAN最后整体做 RealESRGAN 放大一步到位反而容易出伪影。怎么选模型先分清擦除还是生成IOPaint 内置模型分两大阵营选型逻辑就一句话只是删东西选擦除类要换东西/画新东西选扩散类。擦除类lama、mat、zits、fcf、manga等不需要文字提示词纯靠掩码区域周围的像素推断怎么补。优点是快、轻CPU 上也能跑适合去水印、去路人、去文字。日常 90% 的需求到 LaMa 就够了细节不对再试其他模型。扩散类Stable Diffusion、SDXL、BrushNet、PowerPaint 等基于掩码 提示词做生成可以把 X 替换成 Y、把图片向外扩展outpainting。缺点是模型体积大、吃显存CPU 上很慢。专项模型anytext专门处理在图上写文字含中文controlnet让扩散模型按结构约束走编辑更精准。所有模型的实现都在 模型目录 下比如 lama.py选不准的时候翻一下对应实现很快能看懂它的输入输出约定原图 255 表示要重绘的掩码。常见问题与避坑GPU 还是 CPU 怎么选--device传cpu、cudaN 卡或mpsApple Silicon。LaMa 这类擦除模型在 CPU 上处理普通尺寸图片毫无压力建议先 CPU 跑通再考虑加 GPU只有跑 Stable Diffusion 系生成模型时才必须上 GPU且要先装 CUDA 版本的 PyTorch。显存不够就开省内存开关跑大尺寸图或 SDXL 报 OOM 时按顺序试这三个启动参数--low-mem推理后清理缓存、--no-half放弃半精度换稳定性、--cpu-offload把不活跃的模块挪回 CPU。代价是速度下降属于能跑优先的选项。批量处理不用开 Web 界面iopaint run命令支持整个文件夹--image和--mask都指向目录时掩码图必须与原图同名一一对应如果--mask指向单个文件则所有图共用这一张掩码掩码会自动缩放对齐。加--concat还能把原图、掩码、结果拼成一张对比图方便抽检。处理几千张图前先拿一两张小图试参数是省时间的习惯。写在最后IOPaint 把擦除、生成、分割、人脸修复、超分这些原本分散在各家项目里的能力收进了一个本地工具里选对模型、圈好掩码大部分图片修复需求就能闭环。想继续深挖的话可以从三个方向入手源码入口iopaint/model/ 下每个模型一个文件是理解各算法差异最快的路径API 集成iopaint/api.py 暴露了 FastAPI 接口可以直接把修复能力嵌进自己的系统前端二次开发web_app/src/ 是完整的 React 编辑器画掩码、快捷键、插件面板都在这套组件里改造成本不高【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