尧图网页设计 
IOPaint 完整指南本地免费 AI 图片修复与去水印【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上周帮电商朋友处理一批带水印和文字的产品图一张张手工修太慢。我在他机器上装好 IOPaint这是一个免费开源的 AI 图片修复工具在网页里涂掉不需要的区域就能移除水印、人物、物体还能替换或扩展画面内容。下面带你过一遍安装、用法和真正用得上的参数。 项目定位IOPaint 干的事很单一本地图片修复inpainting把涂抹区域重新填上合理内容和外扩outpainting把画面边界画出去。它替代的是在线擦除网站 Photoshop 修补工具的组合技术路线是把主流 AI 模型全部搬到本地跑——擦除用 LaMa一个纯删除模型快且无需提示词替换与生成用 PowerPaint V2、BrushNet、AnyText 等基于 Stable Diffusion 的模型同一个界面里随时切换。擦除不够用时还可以在涂抹区输入提示词换成新内容。对比维度传统方案IOPaint 方案图片数据流向上传到第三方在线工具全本地处理图片不出机器上手门槛会 Photoshop 或付费设计服务装好即开鼠标涂抹即生成硬件门槛建议高端工作站4 核 CPU 可跑NVIDIA GPU 更快费用月费/年费订阅免费开源搞清楚它替代了什么之后下一步就是装上它、跑出第一个结果。 从 0 到第一个结果先用 pip 安装如果打算改代码先git clone https://gitcode.com/GitHub_Trending/io/IOPaint进仓库执行pip install -r requirements.txt再用python main.py start启动。装好后一条命令即可拉起 Web 服务首次运行会自动下载默认 LaMa 模型下载慢时可以先单独执行iopaint download lama预热。pip3 install iopaint iopaint start --modellama --devicecpu --port8080服务起来后浏览器打开 http://localhost:8080上传一张带水印的图用画笔把水印整个涂掉左侧模型保持 lama点生成几秒就能拿到一张水印消失的结果。有 NVIDIA 显卡的话先装 CUDA 版 PyTorch再把--device改成cuda即可提速。第一张图跑通后再来看常见任务怎么做。️ 核心能力拆解IOPaint 去水印如何移除图片上的文字与水印LaMa 不依赖提示词、单张秒级出图是水印、划痕、小段文字的首选。先上传图片用画笔把水印涂满涂抹范围比水印本身大 2~3 个像素接着左侧模型选 lama把边缘模糊设为 2最后点生成如果边缘还有白边残留把边缘模糊调到 4 再跑一次。关键参数小水印边缘模糊设 2 就够复杂背景上的大段文字提到 4。IOPaint 图片修复如何擦除背景人物与物体较大的人物和物体 LaMa 大多能处理需要背景生成更合理结构时换 PowerPaint V2 扩散模型。先把要移除的物体整块涂掉接着模型切到 power_paint_v2提示词栏写一句背景描述例如 gallery interior最后采样步数设 25、引导强度设 7.5 生成再放大检查地面和墙面细节是否连贯。关键参数步数 25、强度 7.5 是稳定起点细节发糊时把步数提到 30。批量跑图IOPaint 命令行命令怎么写命令行iopaint run可以整文件夹处理--image传图片文件夹--mask传同名掩码文件夹黑白图白色是要修的区域传单个掩码文件则所有图共用它。先把原图放进图片文件夹、掩码放进掩码文件夹保证文件名一一对应接着执行iopaint run --modellama --devicecpu --imageimgs --maskmasks --outputout最后到 out/ 目录检查结果加--concat还能输出原图掩码结果的对照图方便整批抽查。场景推荐设置备注简单小水印lama边缘模糊 2最快秒级出图人物/大物体power_paint_v2步数 25强度 7.5结构生成更自然毛发/织物背景brushnet步数 30纹理细节更好文字替换或新增anytext可在掩码区写入新文字模型选对之后接下来是跑起来一定会碰到的几个坑。⚠️ 踩坑与排错首次启动模型下载失败现象服务启动卡很久最后报错退出。原因模型源网络不稳下载中途断了。解法先单独执行iopaint download lama把模型下完必要时用--model-dir换个下载目录。GPU 显存不足崩溃现象切到 cuda 后报 out of memory。原因扩散模型体量装不进显存。解法加--low_mem让模型分片加载再不够就退回--devicecpu。修复边界有明显接缝现象边缘留着一圈原物体轮廓。原因涂抹掩码没盖住目标边缘。解法涂抹范围再放大约 2~3 像素同时把边缘模糊提到 4。批量输出缺文件现象批量跑完输出目录少了几张。原因掩码文件名和图片文件名对不上。解法核对两个文件夹文件名是否逐一对应单个掩码文件则全批次共用无需同名。坑都绕开之后看看你的硬件到底够不够用。⚙️ 硬件与效率配置档位预期速度适合谁4 核 CPU 8GB 内存约 30~60 秒/张轻度使用、小图GTX 1060 6GB约 10~20 秒/张日常单张修复RTX 3060 12GB约 5~10 秒/张批量处理Apple M1/M2约 8~15 秒/张Mac 用户显存低于 4GB 就加 --low_mem批量前先压到 2000px 以内简单擦除选 LaMa要替换才上扩散模型环境稳定下来可以顺手看看仓库里几个值得留意的目录。 延伸与资源iopaint/model/LaMa、PowerPaint、AnyText、BrushNet 等模型实现iopaint/plugins/交互式分割、抠背景、人脸修复等插件实现iopaint/batch_processing.py批量处理核心逻辑适合二次开发插件生态支持 SAM 交互式分割、RemoveBG 抠背景、GFPGAN 人脸修复启动时加对应开关即可启用。回到开头那批带水印的产品图先把上面的命令跑通涂一张图生成出结果满意后直接用批量命令把整个文件夹排进去一天的修图量一个下午就清完了。【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 IOPaint 完整指南：本地免费 AI 图片修复与去水印
IOPaint 完整指南本地免费 AI 图片修复与去水印【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上周帮电商朋友处理一批带水印和文字的产品图一张张手工修太慢。我在他机器上装好 IOPaint这是一个免费开源的 AI 图片修复工具在网页里涂掉不需要的区域就能移除水印、人物、物体还能替换或扩展画面内容。下面带你过一遍安装、用法和真正用得上的参数。 项目定位IOPaint 干的事很单一本地图片修复inpainting把涂抹区域重新填上合理内容和外扩outpainting把画面边界画出去。它替代的是在线擦除网站 Photoshop 修补工具的组合技术路线是把主流 AI 模型全部搬到本地跑——擦除用 LaMa一个纯删除模型快且无需提示词替换与生成用 PowerPaint V2、BrushNet、AnyText 等基于 Stable Diffusion 的模型同一个界面里随时切换。擦除不够用时还可以在涂抹区输入提示词换成新内容。对比维度传统方案IOPaint 方案图片数据流向上传到第三方在线工具全本地处理图片不出机器上手门槛会 Photoshop 或付费设计服务装好即开鼠标涂抹即生成硬件门槛建议高端工作站4 核 CPU 可跑NVIDIA GPU 更快费用月费/年费订阅免费开源搞清楚它替代了什么之后下一步就是装上它、跑出第一个结果。 从 0 到第一个结果先用 pip 安装如果打算改代码先git clone https://gitcode.com/GitHub_Trending/io/IOPaint进仓库执行pip install -r requirements.txt再用python main.py start启动。装好后一条命令即可拉起 Web 服务首次运行会自动下载默认 LaMa 模型下载慢时可以先单独执行iopaint download lama预热。pip3 install iopaint iopaint start --modellama --devicecpu --port8080服务起来后浏览器打开 http://localhost:8080上传一张带水印的图用画笔把水印整个涂掉左侧模型保持 lama点生成几秒就能拿到一张水印消失的结果。有 NVIDIA 显卡的话先装 CUDA 版 PyTorch再把--device改成cuda即可提速。第一张图跑通后再来看常见任务怎么做。️ 核心能力拆解IOPaint 去水印如何移除图片上的文字与水印LaMa 不依赖提示词、单张秒级出图是水印、划痕、小段文字的首选。先上传图片用画笔把水印涂满涂抹范围比水印本身大 2~3 个像素接着左侧模型选 lama把边缘模糊设为 2最后点生成如果边缘还有白边残留把边缘模糊调到 4 再跑一次。关键参数小水印边缘模糊设 2 就够复杂背景上的大段文字提到 4。IOPaint 图片修复如何擦除背景人物与物体较大的人物和物体 LaMa 大多能处理需要背景生成更合理结构时换 PowerPaint V2 扩散模型。先把要移除的物体整块涂掉接着模型切到 power_paint_v2提示词栏写一句背景描述例如 gallery interior最后采样步数设 25、引导强度设 7.5 生成再放大检查地面和墙面细节是否连贯。关键参数步数 25、强度 7.5 是稳定起点细节发糊时把步数提到 30。批量跑图IOPaint 命令行命令怎么写命令行iopaint run可以整文件夹处理--image传图片文件夹--mask传同名掩码文件夹黑白图白色是要修的区域传单个掩码文件则所有图共用它。先把原图放进图片文件夹、掩码放进掩码文件夹保证文件名一一对应接着执行iopaint run --modellama --devicecpu --imageimgs --maskmasks --outputout最后到 out/ 目录检查结果加--concat还能输出原图掩码结果的对照图方便整批抽查。场景推荐设置备注简单小水印lama边缘模糊 2最快秒级出图人物/大物体power_paint_v2步数 25强度 7.5结构生成更自然毛发/织物背景brushnet步数 30纹理细节更好文字替换或新增anytext可在掩码区写入新文字模型选对之后接下来是跑起来一定会碰到的几个坑。⚠️ 踩坑与排错首次启动模型下载失败现象服务启动卡很久最后报错退出。原因模型源网络不稳下载中途断了。解法先单独执行iopaint download lama把模型下完必要时用--model-dir换个下载目录。GPU 显存不足崩溃现象切到 cuda 后报 out of memory。原因扩散模型体量装不进显存。解法加--low_mem让模型分片加载再不够就退回--devicecpu。修复边界有明显接缝现象边缘留着一圈原物体轮廓。原因涂抹掩码没盖住目标边缘。解法涂抹范围再放大约 2~3 像素同时把边缘模糊提到 4。批量输出缺文件现象批量跑完输出目录少了几张。原因掩码文件名和图片文件名对不上。解法核对两个文件夹文件名是否逐一对应单个掩码文件则全批次共用无需同名。坑都绕开之后看看你的硬件到底够不够用。⚙️ 硬件与效率配置档位预期速度适合谁4 核 CPU 8GB 内存约 30~60 秒/张轻度使用、小图GTX 1060 6GB约 10~20 秒/张日常单张修复RTX 3060 12GB约 5~10 秒/张批量处理Apple M1/M2约 8~15 秒/张Mac 用户显存低于 4GB 就加 --low_mem批量前先压到 2000px 以内简单擦除选 LaMa要替换才上扩散模型环境稳定下来可以顺手看看仓库里几个值得留意的目录。 延伸与资源iopaint/model/LaMa、PowerPaint、AnyText、BrushNet 等模型实现iopaint/plugins/交互式分割、抠背景、人脸修复等插件实现iopaint/batch_processing.py批量处理核心逻辑适合二次开发插件生态支持 SAM 交互式分割、RemoveBG 抠背景、GFPGAN 人脸修复启动时加对应开关即可启用。回到开头那批带水印的产品图先把上面的命令跑通涂一张图生成出结果满意后直接用批量命令把整个文件夹排进去一天的修图量一个下午就清完了。【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