尧图网站建设 
LaMa图像修复部署实战从预训练模型下载到出图结果的完整路径【免费下载链接】lama LaMa Image Inpainting, Resolution-robust Large Mask Inpainting with Fourier Convolutions, WACV 2022项目地址: https://gitcode.com/GitHub_Trending/la/lama一张白底商品图上糊了个水印或多余物件想把它干净地抹掉、一次性拿到修复后的图LaMaLarge Mask Inpainting大掩码图像修复就是干这件事的开源模型。读完本文你可以在本地或 Docker 容器内独立跑通从模型下载到出图的完整链路。30 秒项目速览LaMa 是一个大掩码图像修复模型WACV 2022 发表给它一张图和一块标明要抹掉哪的掩码它就能把被遮挡区域补全。核心是用傅里叶卷积捕捉长距离依赖几兆像素的大掩码也能补得连贯对网格、条纹这类周期性结构尤其出色。它在 256x256 上训练却能泛化到约 2K 的图。边界说清楚适合遮挡擦除、背景补全不适合人脸重演这类任务。先选部署路径再动手动手前在岔路口选一条避免全装一遍路径适合人群硬件门槛上手时间本地 virtualenv开发调试、改参数CPU 即可跑约 10 分钟Conda已用 Conda 生态CPU 即可跑约 10 分钟Docker 预构建镜像批量处理、隔离环境可选 GPU 加速拉完镜像约 5 分钟仓库自带完整容器化配置docker/DockerfileCUDA 10.2和 docker/Dockerfile-cuda111CUDA 11.1。只想出图选 Docker要反复调掩码和参数选本地。主线实操从模型到出图克隆仓库并搭环境这一步把代码和依赖一次性就位git clone https://gitcode.com/GitHub_Trending/la/lama cd lama本地 virtualenv 路线装 PyTorch 和项目全部依赖virtualenv inpenv --python/usr/bin/python3 source inpenv/bin/activate pip install torch1.8.0 torchvision0.9.0 pip install -r requirements.txtConda 路线则按 conda_env.yml 一键创建conda env create -f conda_env.yml conda activate lama判据python3 -c import torch无报错。走 Docker 路线的话这一步整体跳过镜像里依赖已齐。预训练模型下载与路径校验下载官方最强权重 big-lamaPlaces2 Places Challenge 数据集训练curl -LJO https://huggingface.co/smartywu/big-lama/resolve/main/big-lama.zip unzip big-lama.zip ls big-lama✅ 判据big-lama 目录里出现 best.ckpt几百 MB。后文推理命令的model.path就指向这个目录。图像与掩码准备图像和掩码放同一目录按[图像名]_maskXXX[后缀]配对如image1.png配image1_mask001.png。⚠️ 命名或后缀对不上推理会直接报找不到掩码。只有原图时用内置脚本批量生成随机掩码python3 bin/gen_mask_dataset.py configs/data_gen/random_medium_512.yaml input_dir output_dir --ext png粗、细、中三档掩码配置都在 configs/data_gen/换配置文件名即可调厚度。这种二值掩码就是模型判定哪里要抹掉的依据生成结果可直接作为indir输入。模型推理执行此时设置两个环境变量模型缓存和代码路径都指向仓库根目录再跑推理。默认配置来自 configs/prediction/default.yaml输入输出由命令行覆盖export TORCH_HOME$(pwd) export PYTHONPATH$(pwd) python3 bin/predict.py model.path$(pwd)/big-lama indir$(pwd)/input outdir$(pwd)/output确认无误后看output/应有与输入同名的修复图修复区域与边缘自然过渡、无明显色块即成功。无 GPU 时给命令加devicecpu。Docker 容器推理docker/2_predict_with_gpu.sh 已封装好目录挂载、--gpus all与启动参数传三个目录即可bash docker/2_predict_with_gpu.sh $(pwd)/big-lama $(pwd)/input $(pwd)/output脚本会拉取windj007/lama镜像把模型、输入、输出分别挂到容器内/data/checkpoint、/data/input、/data/output跑完直接看输出目录。效果验证与参数调优肉眼先看遮挡边界应无接缝和残影。要量化用内置评估脚本输出 SSIM、LPIPS、FID 到 CSVpython3 bin/evaluate_predicts.py configs/eval2_gpu.yaml $(pwd)/input $(pwd)/output metrics.csv一般LPIPS 0.1、SSIM 0.9算及格线越接近参考值越好。如果你发现修复区纹理发糊、网格类周期结构补不出来可以开启 refinement 多尺度精修python3 bin/predict.py refineTrue model.path$(pwd)/big-lama indir$(pwd)/input outdir$(pwd)/output_refinerefine 每层缩放迭代 15 次大图效果更好但耗时明显上升若 CPU 推理过慢改devicecuda并用nvidia-smi确认 GPU 在位。踩坑速查报错关键字一句话原因一行修复找不到掩码 / No such file掩码命名不合[图名]_maskXXX[后缀]约定对照 configs/prediction/default.yaml 的img_suffix改文件名ModuleNotFoundError: saicinpaintingPYTHONPATH 没指到仓库根目录export PYTHONPATH$(pwd)CUDA available: FalsePyTorch 与 CUDA 版本不匹配按 conda_env.yml 对齐版本或直接走 Docker推理 OOM 或极慢图太大且开了 refine先去掉 refine或调低refiner.px_budgetImportError: libGL.so.1OpenCV 缺系统图形库apt-get install -y libgl1延伸从模型到出图的链路到此闭环。想用自己的数据训练或微调看 configs/training/ 下的训练配置和bin/train.py。【免费下载链接】lama LaMa Image Inpainting, Resolution-robust Large Mask Inpainting with Fourier Convolutions, WACV 2022项目地址: https://gitcode.com/GitHub_Trending/la/lama创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LaMa图像修复部署实战：从预训练模型下载到出图结果的完整路径
LaMa图像修复部署实战从预训练模型下载到出图结果的完整路径【免费下载链接】lama LaMa Image Inpainting, Resolution-robust Large Mask Inpainting with Fourier Convolutions, WACV 2022项目地址: https://gitcode.com/GitHub_Trending/la/lama一张白底商品图上糊了个水印或多余物件想把它干净地抹掉、一次性拿到修复后的图LaMaLarge Mask Inpainting大掩码图像修复就是干这件事的开源模型。读完本文你可以在本地或 Docker 容器内独立跑通从模型下载到出图的完整链路。30 秒项目速览LaMa 是一个大掩码图像修复模型WACV 2022 发表给它一张图和一块标明要抹掉哪的掩码它就能把被遮挡区域补全。核心是用傅里叶卷积捕捉长距离依赖几兆像素的大掩码也能补得连贯对网格、条纹这类周期性结构尤其出色。它在 256x256 上训练却能泛化到约 2K 的图。边界说清楚适合遮挡擦除、背景补全不适合人脸重演这类任务。先选部署路径再动手动手前在岔路口选一条避免全装一遍路径适合人群硬件门槛上手时间本地 virtualenv开发调试、改参数CPU 即可跑约 10 分钟Conda已用 Conda 生态CPU 即可跑约 10 分钟Docker 预构建镜像批量处理、隔离环境可选 GPU 加速拉完镜像约 5 分钟仓库自带完整容器化配置docker/DockerfileCUDA 10.2和 docker/Dockerfile-cuda111CUDA 11.1。只想出图选 Docker要反复调掩码和参数选本地。主线实操从模型到出图克隆仓库并搭环境这一步把代码和依赖一次性就位git clone https://gitcode.com/GitHub_Trending/la/lama cd lama本地 virtualenv 路线装 PyTorch 和项目全部依赖virtualenv inpenv --python/usr/bin/python3 source inpenv/bin/activate pip install torch1.8.0 torchvision0.9.0 pip install -r requirements.txtConda 路线则按 conda_env.yml 一键创建conda env create -f conda_env.yml conda activate lama判据python3 -c import torch无报错。走 Docker 路线的话这一步整体跳过镜像里依赖已齐。预训练模型下载与路径校验下载官方最强权重 big-lamaPlaces2 Places Challenge 数据集训练curl -LJO https://huggingface.co/smartywu/big-lama/resolve/main/big-lama.zip unzip big-lama.zip ls big-lama✅ 判据big-lama 目录里出现 best.ckpt几百 MB。后文推理命令的model.path就指向这个目录。图像与掩码准备图像和掩码放同一目录按[图像名]_maskXXX[后缀]配对如image1.png配image1_mask001.png。⚠️ 命名或后缀对不上推理会直接报找不到掩码。只有原图时用内置脚本批量生成随机掩码python3 bin/gen_mask_dataset.py configs/data_gen/random_medium_512.yaml input_dir output_dir --ext png粗、细、中三档掩码配置都在 configs/data_gen/换配置文件名即可调厚度。这种二值掩码就是模型判定哪里要抹掉的依据生成结果可直接作为indir输入。模型推理执行此时设置两个环境变量模型缓存和代码路径都指向仓库根目录再跑推理。默认配置来自 configs/prediction/default.yaml输入输出由命令行覆盖export TORCH_HOME$(pwd) export PYTHONPATH$(pwd) python3 bin/predict.py model.path$(pwd)/big-lama indir$(pwd)/input outdir$(pwd)/output确认无误后看output/应有与输入同名的修复图修复区域与边缘自然过渡、无明显色块即成功。无 GPU 时给命令加devicecpu。Docker 容器推理docker/2_predict_with_gpu.sh 已封装好目录挂载、--gpus all与启动参数传三个目录即可bash docker/2_predict_with_gpu.sh $(pwd)/big-lama $(pwd)/input $(pwd)/output脚本会拉取windj007/lama镜像把模型、输入、输出分别挂到容器内/data/checkpoint、/data/input、/data/output跑完直接看输出目录。效果验证与参数调优肉眼先看遮挡边界应无接缝和残影。要量化用内置评估脚本输出 SSIM、LPIPS、FID 到 CSVpython3 bin/evaluate_predicts.py configs/eval2_gpu.yaml $(pwd)/input $(pwd)/output metrics.csv一般LPIPS 0.1、SSIM 0.9算及格线越接近参考值越好。如果你发现修复区纹理发糊、网格类周期结构补不出来可以开启 refinement 多尺度精修python3 bin/predict.py refineTrue model.path$(pwd)/big-lama indir$(pwd)/input outdir$(pwd)/output_refinerefine 每层缩放迭代 15 次大图效果更好但耗时明显上升若 CPU 推理过慢改devicecuda并用nvidia-smi确认 GPU 在位。踩坑速查报错关键字一句话原因一行修复找不到掩码 / No such file掩码命名不合[图名]_maskXXX[后缀]约定对照 configs/prediction/default.yaml 的img_suffix改文件名ModuleNotFoundError: saicinpaintingPYTHONPATH 没指到仓库根目录export PYTHONPATH$(pwd)CUDA available: FalsePyTorch 与 CUDA 版本不匹配按 conda_env.yml 对齐版本或直接走 Docker推理 OOM 或极慢图太大且开了 refine先去掉 refine或调低refiner.px_budgetImportError: libGL.so.1OpenCV 缺系统图形库apt-get install -y libgl1延伸从模型到出图的链路到此闭环。想用自己的数据训练或微调看 configs/training/ 下的训练配置和bin/train.py。【免费下载链接】lama LaMa Image Inpainting, Resolution-robust Large Mask Inpainting with Fourier Convolutions, WACV 2022项目地址: https://gitcode.com/GitHub_Trending/la/lama创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考