IOPaint 本地部署指南AI 图片修复去水印删路人不花一分钱【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 是一款运行在你自己电脑上的 AI 图片修复inpainting即抹掉图片某区域并由模型自动补全工具上传图片用画笔涂掉水印、路人或杂物模型就能把那块区域补回自然背景。它开源免费、图片不经过任何服务器适合需要本地修图、批量清理素材图的用户。快速筛选这篇给你看的吗如果你要去水印、删路人、清杂物且希望图片不出本地 → 适合看如果你要批量处理几百张图想省掉一张张手工操作的时间 → 适合看如果你只想生成式 AI 从 0 画图创作不做局部修复 → 可以跳过IOPaint 核心工作流从丢图到出结果只需 3 个阶段丢图进去启动本地服务并打开浏览器里的 IOPaint 页面把要修的图片拖进左侧画布。整张图会按原始尺寸载入不影响画布以外的任何内容。框住目标用画笔在画布上涂掉不想要的部分。涂白的地方会生成蒙版mask一张标记修哪里的黑白图蒙版涂得越贴合边缘补全效果越自然。等它画完点击生成后模型读取原图和蒙版做推理几秒到几十秒后右侧出现结果图可对比、可重涂再试满意后点保存下载到本地输出目录。下面是同一张满屏水印的图处理后的结果水印区域被背景纹理完整补全IOPaint 内部架构用大白话翻译它到底在干嘛一个本地 Web 服务前端负责画图、后端按你选的模型推理图片和蒙版始终在你机器里流转。前端层web_app/React 项目负责传图、涂蒙版、展示对比服务层iopaint/api.pyFastAPI 提供接口前端所有操作最终打到/api/v1/inpaint这类端点模型层iopaint/model/各修复模型按目录存放擦除类和扩散类各管一摊插件层iopaint/plugins/分割、抠背景、超分、人脸修复等附加能力你要做的事推荐组件一句话理由去水印、删杂物LaMa擦除模型速度快的一类CPU 也能跑出图快是默认首选漫画页面清理Manga专为网点纸、对话框场景训练替换物体、扩图PowerPaint / Stable Diffusion扩散模型能重画的一类不只是补全还能按描述重绘画面文字处理AnyText擅长文字渲染与替换任务复杂物体圈蒙版Segment Anything 插件点几下鼠标就有精准轮廓比手画省事IOPaint 场景矩阵选对模型再动手场景效果描述一句话推荐配置去素材图水印水印区域被底层纹理自然补全lama cpu 即可合影删路人墙面、地面过渡无痕主体更突出lama gpu 出图更快移除遮挡物被挡住的背景结构被完整脑补lama / migan清画面文字文字消失底图细节保留lama 贴边涂蒙版漫画修复对话框与网点清理画风保持连贯manga 模型物体替换、外扩画布按提示词重绘圈选区或向画面外延伸powerpaint gpu下图是合影中移除多余人物后的效果背景补全后主体成为唯一焦点让它在 5 分钟内跑起来pip3 install iopaint这一步安装程序本体及全部依赖不需要单独 clone 仓库。iopaint start --modellama --devicecpu --port8080这一步启动本地服务首次会自动下载 lama 模型日志出现就绪后浏览器访问http://localhost:8080即可开工。环境注意无独显完全可用CPU 下 lama 模型出图依旧快有 NVIDIA 显卡先装 CUDA 版 PyTorch再把--device换成cuda首次拉模型需要几分钟想换存放目录加--model-dir参数8080 端口被占用时改一下--port后面的数字即可IOPaint 进阶玩法一条命令清掉 200 张水印把原图放一个文件夹、蒙版放另一个文件夹同名对应--mask也可以指向单个蒙版文件全部图片共用一条命令跑完整个目录iopaint run --modellama --devicecpu \ --imagephotos --maskmask.png --outputout插件参数一次开全交互式分割、抠背景、超分、人脸修复都是插件启动时加参数就能启用不需要额外安装步骤iopaint start --enable-interactive-seg --enable-remove-bg \ --enable-realesrgan --enable-gfpgan把修复能力接进自己的流程服务启动后本身就是 APIPOST /api/v1/inpaint传入图片和蒙版返回修复后的结果图可以直接被脚本或服务调用。接口定义见 iopaint/api.py。改前端做二次开发git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint/web_app npm install npm run build前端是独立的 React 项目想定制界面或接入自己的模型从这里入手。避坑清单蒙版涂得太薄边缘留残影→ 宁可沿目标边缘多涂 23 像素漏涂的痕迹比多涂更难补救大图直接上扩散模型等得想摔键盘→ 先用小尺寸试效果和参数满意了再处理原图显存不够直接报错→ 启动加--low-mem或--cpu-offload把部分计算挪到内存首次启动卡住不动→ 那是在下载模型耐心等进度反复失败就先用--model-dir手动放好模型CPU 跑 Stable Diffusion 系列→ 能跑但很慢纯 CPU 环境建议固定用 lama、manga 这类擦除模型批量处理前没留备份→ 跑iopaint run前先复制一份原图文件夹效果不满意随时重来圈半透明水印、复杂轮廓全靠手画→ 启用--enable-interactive-seg用 Segment Anything 点选生成蒙版三分钟判断值不值得装值得装你常处理带水印的素材图或有隐私要求、图片不能上云值得装你有几十上百张图要统一清理批量模式能省下大量时间先别急只是偶尔修一张图在线工具更轻不必装本地环境先别急你的目标是 AI 从零创作而不是修复它的长板不在这手头正好有修不好的图的话可以先花 5 分钟把iopaint start跑起来试一张。【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 本地部署指南：AI 图片修复去水印删路人，不花一分钱
IOPaint 本地部署指南AI 图片修复去水印删路人不花一分钱【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 是一款运行在你自己电脑上的 AI 图片修复inpainting即抹掉图片某区域并由模型自动补全工具上传图片用画笔涂掉水印、路人或杂物模型就能把那块区域补回自然背景。它开源免费、图片不经过任何服务器适合需要本地修图、批量清理素材图的用户。快速筛选这篇给你看的吗如果你要去水印、删路人、清杂物且希望图片不出本地 → 适合看如果你要批量处理几百张图想省掉一张张手工操作的时间 → 适合看如果你只想生成式 AI 从 0 画图创作不做局部修复 → 可以跳过IOPaint 核心工作流从丢图到出结果只需 3 个阶段丢图进去启动本地服务并打开浏览器里的 IOPaint 页面把要修的图片拖进左侧画布。整张图会按原始尺寸载入不影响画布以外的任何内容。框住目标用画笔在画布上涂掉不想要的部分。涂白的地方会生成蒙版mask一张标记修哪里的黑白图蒙版涂得越贴合边缘补全效果越自然。等它画完点击生成后模型读取原图和蒙版做推理几秒到几十秒后右侧出现结果图可对比、可重涂再试满意后点保存下载到本地输出目录。下面是同一张满屏水印的图处理后的结果水印区域被背景纹理完整补全IOPaint 内部架构用大白话翻译它到底在干嘛一个本地 Web 服务前端负责画图、后端按你选的模型推理图片和蒙版始终在你机器里流转。前端层web_app/React 项目负责传图、涂蒙版、展示对比服务层iopaint/api.pyFastAPI 提供接口前端所有操作最终打到/api/v1/inpaint这类端点模型层iopaint/model/各修复模型按目录存放擦除类和扩散类各管一摊插件层iopaint/plugins/分割、抠背景、超分、人脸修复等附加能力你要做的事推荐组件一句话理由去水印、删杂物LaMa擦除模型速度快的一类CPU 也能跑出图快是默认首选漫画页面清理Manga专为网点纸、对话框场景训练替换物体、扩图PowerPaint / Stable Diffusion扩散模型能重画的一类不只是补全还能按描述重绘画面文字处理AnyText擅长文字渲染与替换任务复杂物体圈蒙版Segment Anything 插件点几下鼠标就有精准轮廓比手画省事IOPaint 场景矩阵选对模型再动手场景效果描述一句话推荐配置去素材图水印水印区域被底层纹理自然补全lama cpu 即可合影删路人墙面、地面过渡无痕主体更突出lama gpu 出图更快移除遮挡物被挡住的背景结构被完整脑补lama / migan清画面文字文字消失底图细节保留lama 贴边涂蒙版漫画修复对话框与网点清理画风保持连贯manga 模型物体替换、外扩画布按提示词重绘圈选区或向画面外延伸powerpaint gpu下图是合影中移除多余人物后的效果背景补全后主体成为唯一焦点让它在 5 分钟内跑起来pip3 install iopaint这一步安装程序本体及全部依赖不需要单独 clone 仓库。iopaint start --modellama --devicecpu --port8080这一步启动本地服务首次会自动下载 lama 模型日志出现就绪后浏览器访问http://localhost:8080即可开工。环境注意无独显完全可用CPU 下 lama 模型出图依旧快有 NVIDIA 显卡先装 CUDA 版 PyTorch再把--device换成cuda首次拉模型需要几分钟想换存放目录加--model-dir参数8080 端口被占用时改一下--port后面的数字即可IOPaint 进阶玩法一条命令清掉 200 张水印把原图放一个文件夹、蒙版放另一个文件夹同名对应--mask也可以指向单个蒙版文件全部图片共用一条命令跑完整个目录iopaint run --modellama --devicecpu \ --imagephotos --maskmask.png --outputout插件参数一次开全交互式分割、抠背景、超分、人脸修复都是插件启动时加参数就能启用不需要额外安装步骤iopaint start --enable-interactive-seg --enable-remove-bg \ --enable-realesrgan --enable-gfpgan把修复能力接进自己的流程服务启动后本身就是 APIPOST /api/v1/inpaint传入图片和蒙版返回修复后的结果图可以直接被脚本或服务调用。接口定义见 iopaint/api.py。改前端做二次开发git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint/web_app npm install npm run build前端是独立的 React 项目想定制界面或接入自己的模型从这里入手。避坑清单蒙版涂得太薄边缘留残影→ 宁可沿目标边缘多涂 23 像素漏涂的痕迹比多涂更难补救大图直接上扩散模型等得想摔键盘→ 先用小尺寸试效果和参数满意了再处理原图显存不够直接报错→ 启动加--low-mem或--cpu-offload把部分计算挪到内存首次启动卡住不动→ 那是在下载模型耐心等进度反复失败就先用--model-dir手动放好模型CPU 跑 Stable Diffusion 系列→ 能跑但很慢纯 CPU 环境建议固定用 lama、manga 这类擦除模型批量处理前没留备份→ 跑iopaint run前先复制一份原图文件夹效果不满意随时重来圈半透明水印、复杂轮廓全靠手画→ 启用--enable-interactive-seg用 Segment Anything 点选生成蒙版三分钟判断值不值得装值得装你常处理带水印的素材图或有隐私要求、图片不能上云值得装你有几十上百张图要统一清理批量模式能省下大量时间先别急只是偶尔修一张图在线工具更轻不必装本地环境先别急你的目标是 AI 从零创作而不是修复它的长板不在这手头正好有修不好的图的话可以先花 5 分钟把iopaint start跑起来试一张。【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