LaMa 图像修复5 分钟修好一张照片【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照片里多了一个路人、一个要擦掉的水印用 PS 图章工具修很费劲还容易留痕迹。有没有一种工具圈出要删的区域就能自动把空缺补好LaMa 图像修复就是一个非常能打的开源项目。一句话说清它是什么LaMa 是一个 AI 图片修复工具你告诉它图像哪块区域丢了它自己把那块补出来。它和普通修补工具的区别核心在傅里叶卷积。打个比方拼拼图时普通网络只盯着拼块旁边的纹路LaMa 会同时看整幅图用频域里的全局信息去推断缺失部分所以大面积空白也能补得不违和。分辨率也不是问题它训练时只见过 256×256 的小图却能直接处理 2K 左右的照片。4 个真实用法照片去水印。白色、半透明水印是它的强项圈选后补出的背景纹理和周边几乎一致。移除路人。街拍时背景里总有抢镜的人框住他LaMa 会把背后的街景补回来往往比手动克隆更自然。老照片修复。划痕、掉角、局部缺失都能处理。作为图像修复开源项目它可以在自己电脑上跑老照片不用上传到任何在线服务。擦掉小物件。桌上的杯子、挡路的指示牌、横穿天空的电线圈掉即可。5 分钟跑通第一步克隆仓库并建好环境git clone https://gitcode.com/GitHub_Trending/la/lama cd lama conda env create -f conda_env.yml conda activate lama pip install -r requirements.txt第二步把预训练模型从 Hugging Face 下载README 里写了 big-lama 的地址解压到项目根目录再设两个环境变量export TORCH_HOME$(pwd) export PYTHONPATH$(pwd) unzip big-lama.zip第三步准备待修照片。每张照片配一张掩码图白色部分就是你要抹掉的区域命名为「照片名_mask001.png」和原图放同一目录文件后缀在 configs/prediction/default.yaml 里配置。然后跑推理python3 bin/predict.py model.path$(pwd)/big-lama \ indir$(pwd)/test_images outdir$(pwd)/output修好的图就输出在 output 目录对照原图看看效果。修完怎么判断好坏不用算分数放大看三个地方就行看边缘。100% 缩放观察修复区和周边的交界处好修复看不到分界线差的会有一圈贴纸感或者边缘发虚。看纹理。背景有砖墙、草地、水波这类重复元素时检查补出来的纹路方向和密度是否和外侧对齐。看常识。光影方向对不对颜色搭不搭比如白桌上修一个白杯子补出来不该莫名发黑。新手必踩的 3 个坑⚠️模型下载失败。README 里的旧网盘链接已失效请改用 README 提示的 Hugging Face 地址下载 big-lama.zip解压后确认目录里有 last.ckpt 文件。显存不足。报 out of memory 时在 predict 命令末尾加 devicecpu 用 CPU 跑单张照片通常也就几十秒图片特别大可以先缩到 1024 以内。输出空白、掩码没生效。九成是命名问题掩码必须叫「照片名_mask三位数字.后缀」且配置文件里的 image_suffix 要和你的照片实际后缀一致。下一步去哪一句话总结LaMa 是个上手成本很低、补大洞很靠谱的图像修复开源项目当天就能跑起来。想抠原理傅里叶卷积的实现就在 saicinpainting/training/modules/ffc.py配合论文看更顺。想接进自己的项目直接复用 bin/predict.py 作为推理入口模型路径、输入目录、输出目录三个参数传好就能用。【免费下载链接】lama LaMa Image Inpainting, Resolution-robust Large Mask Inpainting with Fourier Convolutions, WACV 2022项目地址: https://gitcode.com/GitHub_Trending/la/lama创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LaMa 图像修复：5 分钟修好一张照片
LaMa 图像修复5 分钟修好一张照片【免费下载链接】lama LaMa Image Inpainting, Resolution-robust Large Mask Inpainting with Fourier Convolutions, WACV 2022项目地址: https://gitcode.com/GitHub_Trending/la/lama照片里多了一个路人、一个要擦掉的水印用 PS 图章工具修很费劲还容易留痕迹。有没有一种工具圈出要删的区域就能自动把空缺补好LaMa 图像修复就是一个非常能打的开源项目。一句话说清它是什么LaMa 是一个 AI 图片修复工具你告诉它图像哪块区域丢了它自己把那块补出来。它和普通修补工具的区别核心在傅里叶卷积。打个比方拼拼图时普通网络只盯着拼块旁边的纹路LaMa 会同时看整幅图用频域里的全局信息去推断缺失部分所以大面积空白也能补得不违和。分辨率也不是问题它训练时只见过 256×256 的小图却能直接处理 2K 左右的照片。4 个真实用法照片去水印。白色、半透明水印是它的强项圈选后补出的背景纹理和周边几乎一致。移除路人。街拍时背景里总有抢镜的人框住他LaMa 会把背后的街景补回来往往比手动克隆更自然。老照片修复。划痕、掉角、局部缺失都能处理。作为图像修复开源项目它可以在自己电脑上跑老照片不用上传到任何在线服务。擦掉小物件。桌上的杯子、挡路的指示牌、横穿天空的电线圈掉即可。5 分钟跑通第一步克隆仓库并建好环境git clone https://gitcode.com/GitHub_Trending/la/lama cd lama conda env create -f conda_env.yml conda activate lama pip install -r requirements.txt第二步把预训练模型从 Hugging Face 下载README 里写了 big-lama 的地址解压到项目根目录再设两个环境变量export TORCH_HOME$(pwd) export PYTHONPATH$(pwd) unzip big-lama.zip第三步准备待修照片。每张照片配一张掩码图白色部分就是你要抹掉的区域命名为「照片名_mask001.png」和原图放同一目录文件后缀在 configs/prediction/default.yaml 里配置。然后跑推理python3 bin/predict.py model.path$(pwd)/big-lama \ indir$(pwd)/test_images outdir$(pwd)/output修好的图就输出在 output 目录对照原图看看效果。修完怎么判断好坏不用算分数放大看三个地方就行看边缘。100% 缩放观察修复区和周边的交界处好修复看不到分界线差的会有一圈贴纸感或者边缘发虚。看纹理。背景有砖墙、草地、水波这类重复元素时检查补出来的纹路方向和密度是否和外侧对齐。看常识。光影方向对不对颜色搭不搭比如白桌上修一个白杯子补出来不该莫名发黑。新手必踩的 3 个坑⚠️模型下载失败。README 里的旧网盘链接已失效请改用 README 提示的 Hugging Face 地址下载 big-lama.zip解压后确认目录里有 last.ckpt 文件。显存不足。报 out of memory 时在 predict 命令末尾加 devicecpu 用 CPU 跑单张照片通常也就几十秒图片特别大可以先缩到 1024 以内。输出空白、掩码没生效。九成是命名问题掩码必须叫「照片名_mask三位数字.后缀」且配置文件里的 image_suffix 要和你的照片实际后缀一致。下一步去哪一句话总结LaMa 是个上手成本很低、补大洞很靠谱的图像修复开源项目当天就能跑起来。想抠原理傅里叶卷积的实现就在 saicinpainting/training/modules/ffc.py配合论文看更顺。想接进自己的项目直接复用 bin/predict.py 作为推理入口模型路径、输入目录、输出目录三个参数传好就能用。【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