IOPaint免费开源的AI图片修复工具水印、文字、多余物体都能擦除【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供应商给的商品图带着水印旅游照片背景里总有人走过漫画扫描稿上布满日文文字——用传统修图软件逐像素修补一张图往往要磨上几个小时。IOPaint 是一款免费开源的 AI 图像修复inpainting即 AI 自动补全被遮罩覆盖区域工具它能在本地运行帮你擦除图片中不想要的物体、瑕疵、人物和文字还能把背景继续画出去。 项目定位速览IOPaint 把多个 SOTA最先进AI 模型打包进一个统一的 Web 界面涂抹遮罩、选择模型、点击生成即可完成图像修复与扩图outpainting向画面外延展内容。与云端修图服务不同它完全在本地运行不产生订阅费用图片也不会上云。核心特性完全免费开源支持 CPU、NVIDIA GPU、AMD GPU 与 Apple Silicon内置 LaMa、PowerPaint、PowerPaint V2、BrushNet、AnyText 等多款模型覆盖擦除与替换/重绘两类任务支持命令行批量处理适合电商、摄影等需要处理成百上千张图片的场景插件体系可扩展超分、人脸修复、背景移除等能力 安装与启动模型会在首次启动时自动下载无需手动配置。GPU 用户需先安装对应版本的 PyTorch。# 安装CPU 通用命令 pip3 install iopaint # 启动 Web 服务 iopaint start --modellama --devicecpu --port8080GPU 加速只需把--devicecpu改为--devicecuda。启动后浏览器访问http://localhost:8080即可使用。首次使用流程点击界面上传按钮载入待处理图片用画笔工具涂抹需要擦除的区域涂抹范围略大于目标 2-3 像素在模型列表中选择修复模型新手从 LaMa 开始即可按需填写提示词仅扩散模型需要点击生成预览结果不满意就撤销遮罩重新涂抹满意后下载或另存到输出目录️ 功能实战四个高频场景场景一清理图片水印适用情况电商商品图、版权素材图上覆盖的半透明水印文字。操作步骤上传图片用矩形或画笔工具框选水印区域选择 LaMa 模型擦除类任务首选点击生成对比原图检查边缘效果说明LaMa 基于频域分解算法对规则纹理上的水印重建质量稳定且不需要提示词处理速度也是各模型中最快的一档。场景二移除画面中多余物体适用情况室内照片里的临时物品、产品图中的瑕疵、场景中需要不存在的物件。操作步骤涂抹需要移除的物体画笔覆盖其投影和边缘选择 PowerPaint V2 或 BrushNet 模型填写简短提示词描述期望的背景如 white wall生成后放大检查物体原位置效果说明与 LaMa 只填空白不同PowerPaint V2 引入条件注意力机制能按提示词生成符合场景语义的新内容适合需要换成别的东西而非简单抹除的任务。场景三去除背景路人适用情况街拍、合影中背景里的行人和干扰元素。操作步骤只涂抹路人避开主体人物选择 LaMa 模型若背景是重复纹理地面、墙面边缘模糊设为 2-3生成后微调残留阴影效果说明人物移除后AI 会根据周围地面、建筑的纹理自然补全通常 1-2 轮涂抹即可干净。场景四漫画与插画去文字适用情况漫画扫描稿、插画上的对话气泡文字清理。操作步骤涂抹文字及气泡框选择 LaMa 处理大面积留白局部线条断裂处再用 BrushNet 细修生成后检查线条连续性效果说明线条画区域面积大、颜色单一是擦除类模型最擅长的场景若需保留原画风并替换为新元素再切换到扩散类模型。⚙️ 参数调优建议不同场景建议的模型与参数组合场景参数建议值小水印、小瑕疵LaMa遮罩边缘模糊mask blur1-2大段文字、大物体扩散模型采样步数steps25-30复杂背景文字引导强度guidance scale7.5-8.5背景替换、大面积移除遮罩边缘模糊mask blur3-5纹理丰富区域毛发、布料采样步数steps30-40追求速度采样步数steps15-20提升效率的三条工作流建议先粗后细第一次生成解决大面第二次生成只涂抹残留比一次涂抹到完美更快批量任务走命令行把图片与对应遮罩图分别放入两个文件夹一条命令跑完详见下文避坑指南后的示例固定设备参数--device与模型名写进启动脚本避免每次手动切换减少误操作 避坑指南问题一修复区域边缘有明显痕迹原因涂抹范围刚好卡在目标边缘AI 无法参考干净像素做过渡或边缘模糊参数为 0遮罩边界过硬。解法涂抹范围向外扩 2-5 像素把边缘模糊提高到 3-5 再试一次。问题二CPU 上处理速度慢原因扩散类模型每一步都要做完整前向推理CPU 单张可能要 1 分钟以上。解法把图片缩到 1024px 以内再处理采样步数降到 15-20简单擦除任务改用 LaMa比扩散模型快一个量级有条件就上 GPU。问题三电线、细字等细小物体删不干净原因细小目标占遮罩比例小模型容易忽略它们留下残影。解法用最小画笔逐段涂抹分 2-3 次小范围处理扩散模型把引导强度提到 8 左右让生成内容更贴合提示词。问题四修复结果出现AI 味过度平滑、物体变形原因引导强度或采样步数过高模型过度发挥把原图纹理重画了一遍。解法引导强度降到 6-7步数降到 20 左右人脸区域优先用 GFPGAN 插件做人脸修复而不是依赖修复模型硬补。问题五批量处理遮罩对不上原因--image与--mask两个文件夹里的图片文件名不一致配对失败。解法确保两张文件夹内文件一一对应如果所有图片共用同一张遮罩--mask直接传遮罩文件路径即可。# 命令行批量处理示例 iopaint run --modellama --devicecpu \ --image/path/to/image_folder \ --mask/path/to/mask_folder \ --outputoutput_dir 硬件配置对照硬件类型推荐配置参考处理速度适用场景CPU4 核以上、8GB 内存约 30-60 秒/张轻度使用、小图片、LaMa 模型入门 GPUGTX 1060 6GB约 10-20 秒/张日常使用、中等复杂度高性能 GPURTX 3060 12GB约 3-8 秒/张批量处理、SDXL 等大模型Apple SiliconM1/M2 芯片约 8-15 秒/张Mac 用户平衡性能性能优化技巧超过 2000x2000 像素的图片先降分辨率再处理完成后用 RealESRGAN 插件放大只启动当前需要的插件每个插件都会占用额外显存大批量任务处理一段时间后重启服务释放缓存内存简单擦除任务坚持用 LaMa不要默认套扩散模型 插件生态与展望IOPaint 通过插件机制扩展能力启动时用--enable-xxx参数启用例如交互式分割插件iopaint start --enable-interactive-seg --interactive-seg-devicecuda插件名称功能典型场景Segment Anything交互式对象分割精准框选复杂形状的目标RemoveBG背景移除产品图透明底处理Anime Segmentation动漫图像分割提取动漫角色前景RealESRGAN超分辨率低清图片放大不失真GFPGAN人脸修复老照片、模糊人脸恢复RestoreFormer人脸修复高质量人脸细节还原未来发展方向参考社区讨论与路线图多语言文字生成擦除文字之外还能按提示生成自然融入画面的文字3D 场景理解结合深度估计让背景填充更符合空间结构实时预览涂抹过程中即时显示修复效果自定义模型训练针对特定风格微调专属修复模型移动端支持轻量化的手机端应用 资源导航完整说明与特性列表README.md全部 AI 模型实现iopaint/model/命令行批量处理逻辑iopaint/batch_processing.py插件源码目录iopaint/plugins/参与开发需拉取源码时执行git clone https://gitcode.com/GitHub_Trending/io/IOPaint从一张带水印的商品图到一批要去路人的街拍IOPaint 用涂抹—选择模型—生成三步把专业级图像修复搬到了本地电脑上现在安装体验几分钟就能拿到第一张干净的成片。【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