尧图网站建设 
本地AI修图10分钟跑通IOPaint从安装到去水印实操【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晚上整理手机照片翻出一张带水印的图。传去在线工具嫌麻烦免费额度有限制图去了哪里也不知道。IOPaint 是一个完全本地部署的 AI 修图工具擦除水印、路人、划痕或者用文字提示词替换、扩展图像内容全程在自己机器上离线跑免费且开源。本地AI修图上手30 秒把 Web 界面跑起来先只给一条最快的路径pip 安装 CPU 模式启动。IOPaint 支持 CPU、GPU 和 Apple Silicon但第一次跑通不需要纠结显卡。pip3 install iopaint iopaint start --modellama --devicecpu --port8080浏览器打开 http://localhost:8080 就能看到界面。首次启动会自动下载 LaMa 模型——LaMa 是一个轻量的图像擦除模型体积小、速度快擦水印和小物件完全够用。NVIDIA 用户先按官方 README 的 Quick Start 一节装好 CUDA 版 PyTorch再把启动命令里的--devicecpu改成--devicecudaAMD 用户和 Docker 部署方式同样在官方文档里有说明。5 步抹掉照片里的水印第一次上手就试去水印这是擦除类工具里最稳的场景。仓库自带前后对比样图可以直接拿来练手操作一共 5 步点界面左上角的打开文件按钮导入目标图片切到画笔工具滚轮调好笔刷大小把水印区域涂抹一遍——宁可比水印多涂一点右侧面板确认模型选的是 LaMa默认启动就是它点生成等几秒出结果点保存按钮导出需要修边可以继续涂抹 mask 再生成一次两个小技巧擦除区域边缘生硬时把 mask-blur 参数调大一点过渡会更自然LaMa 抹小物件确实比扩散模型快一个量级纯 CPU 几秒就出图。想知道擦除内部是怎么实现的可以看 LaMa 的实现。三种意图让图变干净、变丰富、变新擦完水印可以继续摸这张能力版图。按使用意图分大致是三类。让图变干净。擦除模型不止 LaMa 一个anime-lama 专门针对动漫画面manga 面向漫画线稿真人场景照片用默认 LaMa 就够了。图片多到不想一张张点时用命令行批量处理原图和对应 mask 放两个文件夹即可iopaint run --modellama --devicecpu --image/path/to/images --mask/path/to/masks --outputoutput_dir让图变丰富。换成扩散模型后提示词就派上用场了。PowerPaint 属于 Stable Diffusion 系涂抹区域后按提示词替换内容也支持 outpainting——把画布向外拖模型自动补全新边缘的内容AnyText 则负责往图里加与场景风格匹配的文字。扩散模型偏慢建议上显卡但效果上限明显更高。让旧图变新。这一类靠插件完成GFPGAN 和 RestoreFormer 做人脸修复RealESRGAN 做超分辨率放大启动时加--enable-gfpgan之类的参数启用全部插件见 plugins 目录。完整模型清单在 模型注册表 里常用几个对照着看模型适合场景速度LaMa / anime-lama实拍、动漫擦除快CPU 可跑PowerPaint物体替换、向外扩展慢建议 GPUAnyText添加场景文字慢建议 GPUGFPGAN插件老照片人脸修复中等踩坑地图5 个高频症状首次启动很慢像卡死模型在从网络自动下载检查代理反复失败就手动下载后用--model-dir指向本地目录详见官方文档。启动报 torch 或 CUDA 错误PyTorch 版本和显卡驱动不匹配先按官方说明装对应 cu118/rocm 版再改用--devicecuda。内存不足、进程被系统杀掉跑的是扩散模型加--low-mem注意力切片 VAE 分块省显存显存紧张再叠--cpu-offload把权重挪到内存。生成结果发黑或发绿半精度推理的已知问题加--no-half回退全精度即可。擦除后还有残留mask 没盖住目标把涂抹区域再往外扩一圈mask-blur 加 1~2。收口明天可以试试扩展图像去水印如果已经跑顺了下一步就在同一个界面里把画布往外拖用 PowerPaint 做一次 outpainting让模型把新边缘补全。批量处理参数、自定义 SD 模型加载这些进阶用法官方 README 都写得很细。【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 本地AI修图10分钟跑通：IOPaint从安装到去水印实操
本地AI修图10分钟跑通IOPaint从安装到去水印实操【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晚上整理手机照片翻出一张带水印的图。传去在线工具嫌麻烦免费额度有限制图去了哪里也不知道。IOPaint 是一个完全本地部署的 AI 修图工具擦除水印、路人、划痕或者用文字提示词替换、扩展图像内容全程在自己机器上离线跑免费且开源。本地AI修图上手30 秒把 Web 界面跑起来先只给一条最快的路径pip 安装 CPU 模式启动。IOPaint 支持 CPU、GPU 和 Apple Silicon但第一次跑通不需要纠结显卡。pip3 install iopaint iopaint start --modellama --devicecpu --port8080浏览器打开 http://localhost:8080 就能看到界面。首次启动会自动下载 LaMa 模型——LaMa 是一个轻量的图像擦除模型体积小、速度快擦水印和小物件完全够用。NVIDIA 用户先按官方 README 的 Quick Start 一节装好 CUDA 版 PyTorch再把启动命令里的--devicecpu改成--devicecudaAMD 用户和 Docker 部署方式同样在官方文档里有说明。5 步抹掉照片里的水印第一次上手就试去水印这是擦除类工具里最稳的场景。仓库自带前后对比样图可以直接拿来练手操作一共 5 步点界面左上角的打开文件按钮导入目标图片切到画笔工具滚轮调好笔刷大小把水印区域涂抹一遍——宁可比水印多涂一点右侧面板确认模型选的是 LaMa默认启动就是它点生成等几秒出结果点保存按钮导出需要修边可以继续涂抹 mask 再生成一次两个小技巧擦除区域边缘生硬时把 mask-blur 参数调大一点过渡会更自然LaMa 抹小物件确实比扩散模型快一个量级纯 CPU 几秒就出图。想知道擦除内部是怎么实现的可以看 LaMa 的实现。三种意图让图变干净、变丰富、变新擦完水印可以继续摸这张能力版图。按使用意图分大致是三类。让图变干净。擦除模型不止 LaMa 一个anime-lama 专门针对动漫画面manga 面向漫画线稿真人场景照片用默认 LaMa 就够了。图片多到不想一张张点时用命令行批量处理原图和对应 mask 放两个文件夹即可iopaint run --modellama --devicecpu --image/path/to/images --mask/path/to/masks --outputoutput_dir让图变丰富。换成扩散模型后提示词就派上用场了。PowerPaint 属于 Stable Diffusion 系涂抹区域后按提示词替换内容也支持 outpainting——把画布向外拖模型自动补全新边缘的内容AnyText 则负责往图里加与场景风格匹配的文字。扩散模型偏慢建议上显卡但效果上限明显更高。让旧图变新。这一类靠插件完成GFPGAN 和 RestoreFormer 做人脸修复RealESRGAN 做超分辨率放大启动时加--enable-gfpgan之类的参数启用全部插件见 plugins 目录。完整模型清单在 模型注册表 里常用几个对照着看模型适合场景速度LaMa / anime-lama实拍、动漫擦除快CPU 可跑PowerPaint物体替换、向外扩展慢建议 GPUAnyText添加场景文字慢建议 GPUGFPGAN插件老照片人脸修复中等踩坑地图5 个高频症状首次启动很慢像卡死模型在从网络自动下载检查代理反复失败就手动下载后用--model-dir指向本地目录详见官方文档。启动报 torch 或 CUDA 错误PyTorch 版本和显卡驱动不匹配先按官方说明装对应 cu118/rocm 版再改用--devicecuda。内存不足、进程被系统杀掉跑的是扩散模型加--low-mem注意力切片 VAE 分块省显存显存紧张再叠--cpu-offload把权重挪到内存。生成结果发黑或发绿半精度推理的已知问题加--no-half回退全精度即可。擦除后还有残留mask 没盖住目标把涂抹区域再往外扩一圈mask-blur 加 1~2。收口明天可以试试扩展图像去水印如果已经跑顺了下一步就在同一个界面里把画布往外拖用 PowerPaint 做一次 outpainting让模型把新边缘补全。批量处理参数、自定义 SD 模型加载这些进阶用法官方 README 都写得很细。【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