IOPaint3 条命令就能跑起来的免费 AI 图像修复与去水印工具【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 是一个免费开源的 AI 图像修复工具把照片里不想要的水印、路人、文字涂黑它就能把那块区域补成自然的内容还能基于 Stable Diffusion 做物体替换和外扩画面。下面这篇经验帖讲三件事怎么最快把它跑起来、模型怎么挑、以及新手最容易踩的几个坑。三条命令完成 IOPaint 安装与启动IOPaint 支持 CPU、GPU 和 Apple Silicon最简单的路径是直接走 pip。模型权重会在首次启动时自动下载所以第一次启动会卡一会儿下载目录可以用--model-dir参数自定义之后每次启动就快了。pip3 install iopaint iopaint start --modellama --devicecpu --port8080命令跑完浏览器打开 http://localhost:8080 就是一个编辑界面。左边上传图片用画笔涂黑要处理的区域——这层黑白标记就是遮罩mask它告诉模型只改这里别的地方不许动。点执行右边出结果。整个流程没有注册、没有上传到第三方服务器图片就在你自己的机器上。LaMa 默认模型涂个遮罩就能出效果默认的 LaMa 属于擦除型模型它不生成新内容只负责把挖掉的洞填平所以快CPU 上也能用。上手就是三步上传图片把水印、路人、文字刷进遮罩执行。上面这种铺满画面的水印LaMa 通常一次就能清干净纹理衔接也不留明显接缝。同样的操作可以移物体——把吊灯、电线杆、logo 刷进遮罩再执行处理漫画和二次元图时可以换成专门微调过的 AnimeLaMa 变体线稿和网点背景不容易被画花LaMa、SD/SDXL、ControlNet 模型怎么选仓库里内置了二十多个模型实现都在 iopaint/model/ 目录下。按用途粗分两类选型基本就跟着这个分类走擦除类LaMa、AnimeLaMa、MAT、ZITS 等只删不补新东西秒级出图CPU 够用。你的任务如果只是去掉某个东西到这里就够了没必要往下走。扩散类SD1.5、SDXL、PowerPaint、BrushNet、AnyText 等基于 Stable Diffusion既能补洞也能凭空生成内容——换一件家具、重写一段文字、或者外扩outpainting把画面延伸出原图边框。两类之间主要差在成本。扩散模型要写提示词推理慢一两个数量级还得有 GPUSDXL 比 SD1.5 分辨率更高、细节更好但模型更大显存要求也更高。ControlNet 则是在生成时用原图的构图或线条去约束模型结果不会跑偏改图改得很克制的场景值得开。一句话决策只删就用 LaMa 或 AnimeLaMa要换、要改、要扩就用扩散模型显存够再上 SDXL。进阶能力批量处理与交互式分割命令行批量处理图一多网页上一张张点就慢了。iopaint run支持文件夹级别的批量修复--image指向输入图片目录--mask指向遮罩目录按文件名自动配对如果--mask是单个文件则所有图片共用这张遮罩——比如一整批商品图去同一个位置的水印。iopaint run --modellama --devicecpu \ --image/path/to/image_folder \ --mask/path/to/mask_folder \ --outputoutput_dir交互式分割有些目标画笔很难涂准发丝边缘、斜跨画面的线缆就是。开启基于 Segment Anything 的交互式分割插件后在图上点一下就能自动抠出目标轮廓直接拿来当遮罩iopaint start --enable-interactive-seg --interactive-seg-devicecuda插件目录下还有人脸修复GFPGAN和超分辨率RealESRGAN等见 iopaint/plugins/都是加个启动参数就能启用适合低清人像修完遮罩后再补一手。常见坑与避坑清单首次启动慢是正常的启动时自动下载模型权重别以为卡死了。下载完有本地缓存--model-dir可改存放位置。GPU 要装对应版本的 PyTorch只传--devicecuda不够要先装 cu118 版的 torch否则会报错或退回 CPU 慢慢跑。遮罩宁大勿小比目标边缘多刷一圈融合效果更好遮罩漏刷会留残影这是效果差的最常见原因。扩散类模型吃显存SDXL、PowerPaint 在低显存机器上会很吃力显存紧张就退回 SD1.5或者干脆只用 LaMa。容器化部署需要在服务器长期跑可以用仓库自带的 GPU 版 Dockerfile 构建命令很直接docker build -t iopaint -f docker/GPUDockerfile . docker run --gpus all -p 8080:8080 iopaint下一步建议先用--modellama挑一两张自己手边的带水印图练手熟悉遮罩的涂法哪张图效果不满意再换--modelsdxl加提示词对比一次你对删和改两条路线的边界感会建立得非常快。【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
IOPaint3 条命令就能跑起来的免费 AI 图像修复与去水印工具【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 是一个免费开源的 AI 图像修复工具把照片里不想要的水印、路人、文字涂黑它就能把那块区域补成自然的内容还能基于 Stable Diffusion 做物体替换和外扩画面。下面这篇经验帖讲三件事怎么最快把它跑起来、模型怎么挑、以及新手最容易踩的几个坑。三条命令完成 IOPaint 安装与启动IOPaint 支持 CPU、GPU 和 Apple Silicon最简单的路径是直接走 pip。模型权重会在首次启动时自动下载所以第一次启动会卡一会儿下载目录可以用--model-dir参数自定义之后每次启动就快了。pip3 install iopaint iopaint start --modellama --devicecpu --port8080命令跑完浏览器打开 http://localhost:8080 就是一个编辑界面。左边上传图片用画笔涂黑要处理的区域——这层黑白标记就是遮罩mask它告诉模型只改这里别的地方不许动。点执行右边出结果。整个流程没有注册、没有上传到第三方服务器图片就在你自己的机器上。LaMa 默认模型涂个遮罩就能出效果默认的 LaMa 属于擦除型模型它不生成新内容只负责把挖掉的洞填平所以快CPU 上也能用。上手就是三步上传图片把水印、路人、文字刷进遮罩执行。上面这种铺满画面的水印LaMa 通常一次就能清干净纹理衔接也不留明显接缝。同样的操作可以移物体——把吊灯、电线杆、logo 刷进遮罩再执行处理漫画和二次元图时可以换成专门微调过的 AnimeLaMa 变体线稿和网点背景不容易被画花LaMa、SD/SDXL、ControlNet 模型怎么选仓库里内置了二十多个模型实现都在 iopaint/model/ 目录下。按用途粗分两类选型基本就跟着这个分类走擦除类LaMa、AnimeLaMa、MAT、ZITS 等只删不补新东西秒级出图CPU 够用。你的任务如果只是去掉某个东西到这里就够了没必要往下走。扩散类SD1.5、SDXL、PowerPaint、BrushNet、AnyText 等基于 Stable Diffusion既能补洞也能凭空生成内容——换一件家具、重写一段文字、或者外扩outpainting把画面延伸出原图边框。两类之间主要差在成本。扩散模型要写提示词推理慢一两个数量级还得有 GPUSDXL 比 SD1.5 分辨率更高、细节更好但模型更大显存要求也更高。ControlNet 则是在生成时用原图的构图或线条去约束模型结果不会跑偏改图改得很克制的场景值得开。一句话决策只删就用 LaMa 或 AnimeLaMa要换、要改、要扩就用扩散模型显存够再上 SDXL。进阶能力批量处理与交互式分割命令行批量处理图一多网页上一张张点就慢了。iopaint run支持文件夹级别的批量修复--image指向输入图片目录--mask指向遮罩目录按文件名自动配对如果--mask是单个文件则所有图片共用这张遮罩——比如一整批商品图去同一个位置的水印。iopaint run --modellama --devicecpu \ --image/path/to/image_folder \ --mask/path/to/mask_folder \ --outputoutput_dir交互式分割有些目标画笔很难涂准发丝边缘、斜跨画面的线缆就是。开启基于 Segment Anything 的交互式分割插件后在图上点一下就能自动抠出目标轮廓直接拿来当遮罩iopaint start --enable-interactive-seg --interactive-seg-devicecuda插件目录下还有人脸修复GFPGAN和超分辨率RealESRGAN等见 iopaint/plugins/都是加个启动参数就能启用适合低清人像修完遮罩后再补一手。常见坑与避坑清单首次启动慢是正常的启动时自动下载模型权重别以为卡死了。下载完有本地缓存--model-dir可改存放位置。GPU 要装对应版本的 PyTorch只传--devicecuda不够要先装 cu118 版的 torch否则会报错或退回 CPU 慢慢跑。遮罩宁大勿小比目标边缘多刷一圈融合效果更好遮罩漏刷会留残影这是效果差的最常见原因。扩散类模型吃显存SDXL、PowerPaint 在低显存机器上会很吃力显存紧张就退回 SD1.5或者干脆只用 LaMa。容器化部署需要在服务器长期跑可以用仓库自带的 GPU 版 Dockerfile 构建命令很直接docker build -t iopaint -f docker/GPUDockerfile . docker run --gpus all -p 8080:8080 iopaint下一步建议先用--modellama挑一两张自己手边的带水印图练手熟悉遮罩的涂法哪张图效果不满意再换--modelsdxl加提示词对比一次你对删和改两条路线的边界感会建立得非常快。【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
