IOPaint批量擦除教程5分钟跑通百张图去水印【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 是一款基于 SOTA AI 模型的图像修复工具它的批量处理模式可以把一整个文件夹里图片中的水印、路人、文字按蒙版一次擦掉。本文以默认的 LaMa 擦除模型为主线讲清文件怎么组织、一条命令怎么跑、结果去哪看不涉及源码细节。读完这篇你能自己准备好图片与蒙版目录用一条命令完成百张图的批量擦除并根据机器条件调整设备与参数。场景与能力速览什么时候会用到它几个典型情况电商商品图一批图都带同一位置的水印逐张修太慢把蒙版准备好交给模型批量修复。景区照片清理把画面里的游客去掉每张蒙版不同但流程完全一致。扫描件处理擦除印章、签名或敏感文字背景由模型自动补全。IOPaint 的批量模式是命令行功能你给它两个目录图片、蒙版它自动做同名匹配加载一次模型就把整批跑完。默认的 LaMa 是专用修复模型单张处理在秒级批量速度主要受机器配置限制。5分钟跑通最小示例安装并准备文件先克隆仓库并安装依赖git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint pip install -r requirements.txt然后把文件整理成如下结构images/ photo1.jpg photo2.jpg masks/ photo1.png photo2.png关键规则只有一条蒙版文件必须与图片完全同名扩展名可以不同jpg 配 png 就行。如果你加了_mask之类的后缀匹配不上这张图会被跳过日志里会提示找不到蒙版。蒙版是灰度图白色区域就是待擦除部分。用一条命令跑批量任务python main.py run --model lama --image ./images --mask ./masks --output ./results首次运行会自动下载 LaMa 模型到本地缓存耐心等待即可。运行时有进度条显示完成数量结果以 PNG 保存进results目录文件名与原图一致原始图片的 EXIF 信息也会保留。蒙版尺寸和原图不一致也没关系会自动缩放对齐。两个实用技巧如果所有图片用同一个蒙版比如水印永远在同一位置--mask直接指向单个蒙版文件即可每张图都会复用它加上--concat参数会输出原图 蒙版 结果的拼接图方便快速验收。整条链路实现在 批量处理模块 中。进阶调优与性能用配置文件微调参数默认值不合心意时可以用--config传入一个 JSON 配置文件可调字段定义在iopaint/schema.py里。常用的几个参数默认值说明ldm_steps20扩散模型迭代步数越高效果越好但更慢sd_strength1.0扩散模型强度越高与原图差异越大sd_mask_blur11蒙版边缘羽化程度越大过渡越平滑hd_strategyCrop高清图预处理策略可选 Original / Resize / Cropsd_scale1.0扩散模型处理前的缩放比例降低可省内存LaMa 这类擦除模型本身没有步数概念默认就是快的上表参数主要在你换用带提示词和步数的 SD/SDXL 修复模型时才起主要作用。选择 CPU 或 GPU 设备命令默认跑在 CPU 上--device cpuLaMa 是轻量模型几十张小批量 CPU 完全够用。换成扩散模型后GPU 差距就很明显加--device cuda走显卡Mac 可以试mps。批量任务每处理完一张图都会主动释放显存连续跑几百张也很稳如果你是在网页服务start命令里跑扩散模型还可以配合low_mem、cpu_offload参数进一步压缩显存占用具体参数以实际版本为准。效果实证水印去除对开头那张带水印的示例图把水印区域标进蒙版后批量输出的结果是背景自然补全水印痕迹基本看不出下图为处理后输出。文本擦除扫描件里的大段文字蒙版圈住文字区域后输出的背景填充自然适合做敏感信息擦除。人物移除演唱会照片里框出路人模型会重建出舞台背景同一蒙版思路可以复用到整批图。实战避坑与边界蒙版没生效先查文件名是否与图片完全同名匹配不上时日志里会有 mask for ... not found 提示。输出格式意外批量输出统一为 PNGEXIF 保留原图是 JPG 的话需要自行再转一下格式。擦除区域有残留蒙版边缘稍微羽化或把蒙版范围比目标物体多留一圈背景纹理复杂时 LaMa 可能偏糊可换 SD 修复类模型并用提示词引导重建。4K 大图LaMa 默认走 Crop 策略只裁剪蒙版区域处理4K 也能跑换扩散模型时把sd_scale调低先缩小再处理更省内存。一次跑太多张建议按 50 张左右分批模型整批只加载一次分批不会拖慢单张速度。⚠️ 以上默认值与策略基于当前仓库版本升级后建议以实际版本为准。更多参数组合和边界情况可以直接翻 测试用例 和 README 里的示例issue 区也有不少前人踩坑记录。【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批量擦除教程5分钟跑通百张图去水印【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 是一款基于 SOTA AI 模型的图像修复工具它的批量处理模式可以把一整个文件夹里图片中的水印、路人、文字按蒙版一次擦掉。本文以默认的 LaMa 擦除模型为主线讲清文件怎么组织、一条命令怎么跑、结果去哪看不涉及源码细节。读完这篇你能自己准备好图片与蒙版目录用一条命令完成百张图的批量擦除并根据机器条件调整设备与参数。场景与能力速览什么时候会用到它几个典型情况电商商品图一批图都带同一位置的水印逐张修太慢把蒙版准备好交给模型批量修复。景区照片清理把画面里的游客去掉每张蒙版不同但流程完全一致。扫描件处理擦除印章、签名或敏感文字背景由模型自动补全。IOPaint 的批量模式是命令行功能你给它两个目录图片、蒙版它自动做同名匹配加载一次模型就把整批跑完。默认的 LaMa 是专用修复模型单张处理在秒级批量速度主要受机器配置限制。5分钟跑通最小示例安装并准备文件先克隆仓库并安装依赖git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint pip install -r requirements.txt然后把文件整理成如下结构images/ photo1.jpg photo2.jpg masks/ photo1.png photo2.png关键规则只有一条蒙版文件必须与图片完全同名扩展名可以不同jpg 配 png 就行。如果你加了_mask之类的后缀匹配不上这张图会被跳过日志里会提示找不到蒙版。蒙版是灰度图白色区域就是待擦除部分。用一条命令跑批量任务python main.py run --model lama --image ./images --mask ./masks --output ./results首次运行会自动下载 LaMa 模型到本地缓存耐心等待即可。运行时有进度条显示完成数量结果以 PNG 保存进results目录文件名与原图一致原始图片的 EXIF 信息也会保留。蒙版尺寸和原图不一致也没关系会自动缩放对齐。两个实用技巧如果所有图片用同一个蒙版比如水印永远在同一位置--mask直接指向单个蒙版文件即可每张图都会复用它加上--concat参数会输出原图 蒙版 结果的拼接图方便快速验收。整条链路实现在 批量处理模块 中。进阶调优与性能用配置文件微调参数默认值不合心意时可以用--config传入一个 JSON 配置文件可调字段定义在iopaint/schema.py里。常用的几个参数默认值说明ldm_steps20扩散模型迭代步数越高效果越好但更慢sd_strength1.0扩散模型强度越高与原图差异越大sd_mask_blur11蒙版边缘羽化程度越大过渡越平滑hd_strategyCrop高清图预处理策略可选 Original / Resize / Cropsd_scale1.0扩散模型处理前的缩放比例降低可省内存LaMa 这类擦除模型本身没有步数概念默认就是快的上表参数主要在你换用带提示词和步数的 SD/SDXL 修复模型时才起主要作用。选择 CPU 或 GPU 设备命令默认跑在 CPU 上--device cpuLaMa 是轻量模型几十张小批量 CPU 完全够用。换成扩散模型后GPU 差距就很明显加--device cuda走显卡Mac 可以试mps。批量任务每处理完一张图都会主动释放显存连续跑几百张也很稳如果你是在网页服务start命令里跑扩散模型还可以配合low_mem、cpu_offload参数进一步压缩显存占用具体参数以实际版本为准。效果实证水印去除对开头那张带水印的示例图把水印区域标进蒙版后批量输出的结果是背景自然补全水印痕迹基本看不出下图为处理后输出。文本擦除扫描件里的大段文字蒙版圈住文字区域后输出的背景填充自然适合做敏感信息擦除。人物移除演唱会照片里框出路人模型会重建出舞台背景同一蒙版思路可以复用到整批图。实战避坑与边界蒙版没生效先查文件名是否与图片完全同名匹配不上时日志里会有 mask for ... not found 提示。输出格式意外批量输出统一为 PNGEXIF 保留原图是 JPG 的话需要自行再转一下格式。擦除区域有残留蒙版边缘稍微羽化或把蒙版范围比目标物体多留一圈背景纹理复杂时 LaMa 可能偏糊可换 SD 修复类模型并用提示词引导重建。4K 大图LaMa 默认走 Crop 策略只裁剪蒙版区域处理4K 也能跑换扩散模型时把sd_scale调低先缩小再处理更省内存。一次跑太多张建议按 50 张左右分批模型整批只加载一次分批不会拖慢单张速度。⚠️ 以上默认值与策略基于当前仓库版本升级后建议以实际版本为准。更多参数组合和边界情况可以直接翻 测试用例 和 README 里的示例issue 区也有不少前人踩坑记录。【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
