IOPaint免费 AI 图像修复与物体去除快速上手指南【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 图像修复工具能移除图片中不想要的物体、水印和人物还能用 Stable Diffusion 替换画面里的任何东西。如果你要批量清掉商品图上的水印或想让照片场景干净下来传统橡皮擦工具基本帮不上忙你需要的是能智能补全遮挡区域的方案。下面直接上手。 它到底能做什么简单说IOPaint 输入一张图加一个遮罩输出修好的图。主要能力有这些物体/人物移除把照片里多余的行人、杂物、标牌圈出来擦掉模型自动补全背后的背景。水印去除对铺满整张图的水印、logo、文字做无痕清除主体细节基本保留。物体替换与外扩接 Stable Diffusion、BrushNet 等扩散模型按提示词重绘遮罩区域或把画面扩展到框外。交互式分割点一下就能选中对象生成遮罩不用自己一笔一笔画。批量处理命令行一次吃进图片文件夹和遮罩文件夹统一输出方便接流水线。漫画清理前对话气泡和文字散落画面各处都可以通过遮罩批量擦除。 5 分钟跑起来安装只需一条命令装的是 PyPI 上的发行版pip3 install iopaint iopaint start --modellama --devicecpu --port8080然后浏览器访问http://localhost:8080你就应该看到一个网页编辑器上传一张图用画笔把要去掉的地方涂成黑色遮罩选择模型点运行右侧就能看到修复结果。第一次启动时 LaMa 模型权重会自动下载用--model-dir可以改下载目录。有 NVIDIA 显卡的话先装 CUDA 版 PyTorch再把--devicecpu换成--devicecuda速度差距明显。 核心功能实战批量去水印文件夹级一键处理批量命令接收两个文件夹原图目录和遮罩目录按同名自动配对如果--mask给的是单个文件则所有图片共用这一个遮罩特别适合同一位置反复出现的水印。iopault run --modellama --devicecpu \ --image/path/to/images --mask/path/to/masks \ --outputoutput_dir命令跑完输出目录里就是处理好的整批图片可以加--concat把原图、遮罩、结果拼成一张对比图方便抽查。左为处理前斜向水印覆盖全图右为处理后水印被完全移除人物和车窗细节完整保留。批量流程解决的是多的问题接下来这个功能解决的是准的问题——遮罩圈不准时直接让模型帮你点出来。交互式分割去物体点一下自动出遮罩启用 Segment Anything 插件后网页里点一下目标物体就能自动生成贴合边界的遮罩再交给修复模型擦除省掉手绘遮罩的功夫。启动时加两个参数即可iopaint start --enable-interactive-seg --interactive-seg-devicecuda处理前背景中有多余行人处理后行人消失背景纹理自然补全主体更加突出。⚙️ 进阶与扩展用熟了之后两个方向值得试。其一是把参数固化成配置批量命令支持--config传入一个 JSON 文件修复策略、分辨率限制等参数一次写死团队里谁跑都是同一套行为。其二是换模型和挂插件iopaint download可以预拉 SD/SDXL 权重--model-dir统一指定存放位置插件交互式分割、RemoveBG、RealESRGAN、GFPGAN都在启动参数里开关。如果你想改一改比如接入自己的模型核心就是继承基类 iopaint/model/base.py 里的InpaintModel实现三个方法即可挂进系统class InpaintModel: name base def init_model(self, device, **kwargs): ... def forward(self, image, mask, config): ...插件侧则继承 iopaint/plugins/ 下的BasePlugin实现gen_image或gen_mask返回的 numpy 数组会被前端直接接住。想加新功能时先读这两个文件比读文档快得多。 从本地到生产仓库自带 DockerfileGPU 环境两条命令就能起容器docker build -t iopaint -f docker/GPUDockerfile . docker run --gpus all -p 8080:8080 iopaint性能调优记住三点显存不够时启用大图策略crop 按遮罩裁剪分块处理resize 先降采样再修复用--model-dir统一挂载模型目录避免容器重建后重复下载几十 GB 权重高频低要求场景固定用 LaMa高保真场景才切扩散模型生产环境最该注意的是一件事模型下载目录必须做持久化卷否则每次发版都重新拉权重。 踩坑与经验GPU 用户先装 CUDA 版 torch 再启动不然--devicecuda会静默退回 CPU排查起来很费时间。批量模式的遮罩必须和原图同名不含扩展名一个名字对不上整批就少一张跑之前先核对文件名。首次启动会自动下载模型权重公司内网建议提前用iopaint download拉好再放进--model-dir。大尺寸原图别直接硬修显存吃紧时开 hd_strategy 分块处理比调小分辨率出图干净。LaMa 出图快但创造力有限需要补出合理新内容比如换个家具时再上扩散模型耐心等几倍耗时。IOPaint 让上传图片→画遮罩→选模型→出结果这条链路在一台机器上免费跑通命令行批量模式和 Docker 部署则让它能直接嵌进已有流水线。下一步建议先跑 CPU 版熟悉界面pip3 install iopaint然后iopaint start --modellama --devicecpu熟悉后再用 docker/GPUDockerfile 搭一个 GPU 服务常驻。IOPaint 用一块遮罩就把物体移除、水印清理和画面重绘变成了两条命令的事。【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