尧图网站建设 
3 条命令跑通千张图IOPaint 命令行批量修图完整手册【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成百上千张图手动修就是纯纯的折磨。掌握 IOPaint 命令行的批量图片处理后AI 修图直接变成流水线作业读完这篇你就能从零独立跑通整个批量流程。从零到第一条命令别被AI 工具三个字吓到整个过程就是装包加敲命令四步走完就能看到第一张修复结果第一步拿到代码git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint第二步装依赖建议 Python 3.8 以上pip install -r requirements.txt第三步直接复制这条首跑命令模型会自动下载首次稍等片刻python -m iopaint run --model lama --device cpu \ --image assets/unwant_object.jpg --mask assets/unwant_text.jpg \ --output ./demo_first.png第四步打开demo_first.png验收。如果你手上已经有一整个待处理文件夹把--image换成目录路径即可批量模式会自动把目录里的 png、jpg 全部过一遍。一张表看懂核心参数run子命令的参数不多记熟这 7 个基本就够用了参数作用取值示例备注--model选择修复模型lama可选 zits、mat、manga、cv2 等--device运行设备cpu有显卡就填cuda--image输入图片文件或目录./photos/只认 png/jpg/jpeg--mask掩码文件或目录./masks/匹配规则见下方踩坑提醒--output结果输出位置./out/输入是目录时必须是目录--concat横向拼接原图/掩码/结果True一眼对比修得好不好--config载入 JSON 参数文件config.json适合固化常用配置参数定义都在 iopaint/cli.py 里想确认细节直接翻源码最快。最容易踩的第一个坑是掩码命名当--mask指向目录时它会按同文件名和原图配对名字对不上那张图会被静默跳过日志里只会留下一句 not found所以批量前最好先ls两个目录核对一下。反过来如果掩码是单个文件同一张掩码会套用到所有图片上这对同一位置水印的整批图反而是福音。第二个坑其实已经帮你排掉了掩码和原图尺寸不一致时iopaint/batch_processing.py 会自动缩放掩码到原图尺寸再按 127 阈值二值化成纯黑纯白你不需要提前批量转尺寸。两个场景跑通电商主图去水印处理前商品图上压着醒目水印直接上架肯定不行一条命令丢给 LAMA 处理--concat顺手生成对比图python -m iopaint run --model lama --device cpu \ --image assets/watermark.jpg --mask assets/unwant_text.jpg \ --output ./out/watermark_done.png --concat True处理后水印区域被干净补全整条流水线到此走通水印搞定了换个人物移除试试。旅行照路人消除处理前景区打卡照里多了一位不速之客人物边缘复杂这次换 ZITS 模型整目录批量跑python -m iopaint run --model zits --device cuda \ --image ./travel/ --mask ./travel_masks/ \ --output ./travel_clean/处理后可爱路人消失天空和草地纹理都补得很自然⚡ 提速 避坑选模型别纠结太久LAMA 跑得快、对大块水印稳但细节偏弱ZITS 慢一些边缘却明显更干净移除人物首推它小面积精细纹理再试试 MAT。三句话定了选型剩下的交给参数。显存或内存吃紧时两个 flag 救场它们作用于python -m iopaint start的服务模式--low_mem开启注意力切片和 VAE 分块OOM 报错了第一个加上它--cpu_offload把部分计算挪回 CPU 分担显存模型必须常驻但显存告急时用。还有个省力小技巧用dump-config把当前参数导出成 JSON改好之后以后每次只需带上--configpython -m iopaint dump-config config.json # 编辑 config.json固化 model、device 等常用项 python -m iopaint run --config config.json \ --image ./a/ --mask ./m/ --output ./o/延伸玩法还有这些配 plugins/interactive_seg.py 交互式分割插件点几下就自动生成掩码免去手工涂抹把这条run命令交给 crontab 定时执行图片落进文件夹干净图自动出现塞进 CI 流水线每一批设计稿出图后自动清掉水印占位交付前少一道人工。 批量 AI 修图的路径真的就这么短现在打开终端把--image指向你那个让人头大的文件夹重复劳动交给命令行吧。高分辨率图片建议走 GPU并按每批百张左右分批处理输出是 PNG记得顺手看一眼磁盘剩余空间。【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 3 条命令跑通千张图：IOPaint 命令行批量修图完整手册
3 条命令跑通千张图IOPaint 命令行批量修图完整手册【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成百上千张图手动修就是纯纯的折磨。掌握 IOPaint 命令行的批量图片处理后AI 修图直接变成流水线作业读完这篇你就能从零独立跑通整个批量流程。从零到第一条命令别被AI 工具三个字吓到整个过程就是装包加敲命令四步走完就能看到第一张修复结果第一步拿到代码git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint第二步装依赖建议 Python 3.8 以上pip install -r requirements.txt第三步直接复制这条首跑命令模型会自动下载首次稍等片刻python -m iopaint run --model lama --device cpu \ --image assets/unwant_object.jpg --mask assets/unwant_text.jpg \ --output ./demo_first.png第四步打开demo_first.png验收。如果你手上已经有一整个待处理文件夹把--image换成目录路径即可批量模式会自动把目录里的 png、jpg 全部过一遍。一张表看懂核心参数run子命令的参数不多记熟这 7 个基本就够用了参数作用取值示例备注--model选择修复模型lama可选 zits、mat、manga、cv2 等--device运行设备cpu有显卡就填cuda--image输入图片文件或目录./photos/只认 png/jpg/jpeg--mask掩码文件或目录./masks/匹配规则见下方踩坑提醒--output结果输出位置./out/输入是目录时必须是目录--concat横向拼接原图/掩码/结果True一眼对比修得好不好--config载入 JSON 参数文件config.json适合固化常用配置参数定义都在 iopaint/cli.py 里想确认细节直接翻源码最快。最容易踩的第一个坑是掩码命名当--mask指向目录时它会按同文件名和原图配对名字对不上那张图会被静默跳过日志里只会留下一句 not found所以批量前最好先ls两个目录核对一下。反过来如果掩码是单个文件同一张掩码会套用到所有图片上这对同一位置水印的整批图反而是福音。第二个坑其实已经帮你排掉了掩码和原图尺寸不一致时iopaint/batch_processing.py 会自动缩放掩码到原图尺寸再按 127 阈值二值化成纯黑纯白你不需要提前批量转尺寸。两个场景跑通电商主图去水印处理前商品图上压着醒目水印直接上架肯定不行一条命令丢给 LAMA 处理--concat顺手生成对比图python -m iopaint run --model lama --device cpu \ --image assets/watermark.jpg --mask assets/unwant_text.jpg \ --output ./out/watermark_done.png --concat True处理后水印区域被干净补全整条流水线到此走通水印搞定了换个人物移除试试。旅行照路人消除处理前景区打卡照里多了一位不速之客人物边缘复杂这次换 ZITS 模型整目录批量跑python -m iopaint run --model zits --device cuda \ --image ./travel/ --mask ./travel_masks/ \ --output ./travel_clean/处理后可爱路人消失天空和草地纹理都补得很自然⚡ 提速 避坑选模型别纠结太久LAMA 跑得快、对大块水印稳但细节偏弱ZITS 慢一些边缘却明显更干净移除人物首推它小面积精细纹理再试试 MAT。三句话定了选型剩下的交给参数。显存或内存吃紧时两个 flag 救场它们作用于python -m iopaint start的服务模式--low_mem开启注意力切片和 VAE 分块OOM 报错了第一个加上它--cpu_offload把部分计算挪回 CPU 分担显存模型必须常驻但显存告急时用。还有个省力小技巧用dump-config把当前参数导出成 JSON改好之后以后每次只需带上--configpython -m iopaint dump-config config.json # 编辑 config.json固化 model、device 等常用项 python -m iopaint run --config config.json \ --image ./a/ --mask ./m/ --output ./o/延伸玩法还有这些配 plugins/interactive_seg.py 交互式分割插件点几下就自动生成掩码免去手工涂抹把这条run命令交给 crontab 定时执行图片落进文件夹干净图自动出现塞进 CI 流水线每一批设计稿出图后自动清掉水印占位交付前少一道人工。 批量 AI 修图的路径真的就这么短现在打开终端把--image指向你那个让人头大的文件夹重复劳动交给命令行吧。高分辨率图片建议走 GPU并按每批百张左右分批处理输出是 PNG记得顺手看一眼磁盘剩余空间。【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