IOPaint 图像修复工具完整上手从 pip 安装到 Docker 生产部署【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 图像修复工具涂抹选区即可移除物体、消除水印也能用扩散模型把选中区域替换或重画。全程本地运行图片不离开你的机器。这篇教程按装 → 用 → 批处理 → 上生产的顺序带你走完全部命令可直接复制。01 · 两步装好并启动 web 界面想在自己电脑上跑通一次修复只需先装后启。装完执行启动命令浏览器打开 8080 端口即可看到涂抹画布pip3 install iopaint # 安装命令行工具 iopaint start --modellama --devicecpu --port8080启动后访问 http://localhost:8080 。模型文件首次运行自动下载默认存放在~/.cache换目录时追加--model-dir/your/path。想看已下载了哪些模型用iopaint list。有 GPU 时怎么切换显存够的机器建议让模型跑在卡上速度差距明显。先装 CUDA 版 PyTorch再换启动参数pip3 install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118 iopaint start --modellama --devicecuda --port8080适合长期跑图、需要多张并发的机器纯体验一次效果CPU 就够。02 · 核心演示涂抹即得修复结果移除物体、水印和多余文字LaMa 是内置的擦除主力模型针对去掉这一类任务优化涂抹要删的物体几秒内得到填补干净的背景。除物体外水印、旧照片划痕、漫画里的文字气泡也走同一条链路都是擦除模型能覆盖的场景。适合日常清理、电商白底图去水印这类不改变画面内容、只清掉多余东西的需求。擦不干净时换扩散模型替换、重画、向外扩画布靠擦除模型做不到需要扩散类模型iopaint start --modelrunwayml/stable-diffusion-inpainting --devicecuda第一次启动会自动下载权重之后在网页里填写提示词即可指定涂掉的区域变为什么。--model可接受的取值分两组常用项如下组别可选值内置擦除模型lama默认、ldm、zits、mat、fcf、manga、cv2、migan扩散模型任意 HuggingFace 上的 SD/SDXL inpainting 模型 id如runwayml/stable-diffusion-inpainting、diffusers/stable-diffusion-xl-1.0-inpainting-0.1适合删掉 A 换成 B、商品局部重绘、画面外扩的场景代价是下载体积和显存占用都更大。03 · 进阶批量处理与交互式分割文件夹级批量修复几十张图逐张点开涂抹太慢iopaint run直接处理整个文件夹iopaint run --modellama --devicecpu \ --image/path/to/images \ --mask/path/to/masks \ --output/path/to/output遮罩传文件时所有图片共用同一张传文件夹时遮罩需与图片同名。--mask会自动缩放到原图尺寸--concat可把原图、遮罩和结果拼成一张对比图。适合已有人工标好选区、需要批量出图的流水线。不会画选区时启用分割插件手动涂抹边缘不准开启交互式分割由 Segment Anything 替你圈选iopaint start --enable-interactive-seg \ --interactive-seg-devicecuda \ --interactive-seg-modelsam2_1_tiny点一下物体就生成选区模型从sam2_1_tiny到更高级别依次更精细、也更慢。适合人物、商品这类轮廓清晰的主体其余常用插件如--enable-gfpgan人脸修复、--enable-realesrgan超分辨率、--enable-remove-bg、--enable-anime-seg均可在iopaint start --help中查到对应参数按需加在启动命令里。04 · 开发视角目录结构与新增模型想改行为或加模型先看代码怎么组织。模型、插件、接口、命令行是四个独立目录各管一摊iopaint/ ├── model/ # 每个模型一个文件lama.py、sd.py、sdxl.py、power_paint/ … ├── plugins/ # interactive_seg.py、gfpgan_plugin.py、realesrgan.py … ├── api.py # FastAPI 接口前端请求都走这里 └── cli.py # start / run / download / list 四个子命令接入一个新模型入口在 iopaint/model/继承基类InpaintModel实现模型初始化与forward推理再补上结果与原图的边缘合成。批量与接口层的公共逻辑在 iopaint/batch_processing.py改参数或日志时从这里入手最省事。05 · 跑不动、跑不动大图的调法显存不足或大图解不动时按下面几个开关逐级加参数含义与源码中的帮助文本一致参数作用适用信号--low-mem开启注意力切片与 VAE tiling 省显存大图加载即 OOM--cpu-offload把扩散模型权重卸载到内存显存吃紧但内存富余--no-half改用 fp32 精度生成结果总是黑色或绿色--local-files-only离线加载不连接 HuggingFace内网或断网环境经验法则先用lama这类轻量模型跑通全流程确认选区和参数没问题后再切扩散模型精修。批量大图尤其如此能省掉一半的等待。06 · 用 Docker 固定生产版本环境漂移是生产事故的主要来源Docker 一次构建长期复用。仓库自带两个文件GPU 用 docker/GPUDockerfileCPU 用 docker/CPUDockerfile。docker build -t iopaint -f docker/GPUDockerfile . docker run --gpus all -p 8080:8080 \ -v /models:/root/.cache iopaint模型目录挂在容器内缓存路径下镜像升级时权重不用重下。对外提供服务时把--host改成本机可访问的地址用--quality控制输出编码质量。07 · 落地前的最后四步本机pip3 install iopaint跑通 web 界面确认硬件与显存够。用iopaint run拿一小组真实图片试批量链路核对遮罩命名。docker build出镜像固定依赖版本模型权重走挂载卷。用--low-mem、--cpu-offload把大图场景压进显存预算再定并发。修图工具的价值不在参数多而在流程跑稳选对模型、备好遮罩、固定环境剩下的交给脚本。【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 图像修复工具完整上手：从 pip 安装到 Docker 生产部署
IOPaint 图像修复工具完整上手从 pip 安装到 Docker 生产部署【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 图像修复工具涂抹选区即可移除物体、消除水印也能用扩散模型把选中区域替换或重画。全程本地运行图片不离开你的机器。这篇教程按装 → 用 → 批处理 → 上生产的顺序带你走完全部命令可直接复制。01 · 两步装好并启动 web 界面想在自己电脑上跑通一次修复只需先装后启。装完执行启动命令浏览器打开 8080 端口即可看到涂抹画布pip3 install iopaint # 安装命令行工具 iopaint start --modellama --devicecpu --port8080启动后访问 http://localhost:8080 。模型文件首次运行自动下载默认存放在~/.cache换目录时追加--model-dir/your/path。想看已下载了哪些模型用iopaint list。有 GPU 时怎么切换显存够的机器建议让模型跑在卡上速度差距明显。先装 CUDA 版 PyTorch再换启动参数pip3 install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118 iopaint start --modellama --devicecuda --port8080适合长期跑图、需要多张并发的机器纯体验一次效果CPU 就够。02 · 核心演示涂抹即得修复结果移除物体、水印和多余文字LaMa 是内置的擦除主力模型针对去掉这一类任务优化涂抹要删的物体几秒内得到填补干净的背景。除物体外水印、旧照片划痕、漫画里的文字气泡也走同一条链路都是擦除模型能覆盖的场景。适合日常清理、电商白底图去水印这类不改变画面内容、只清掉多余东西的需求。擦不干净时换扩散模型替换、重画、向外扩画布靠擦除模型做不到需要扩散类模型iopaint start --modelrunwayml/stable-diffusion-inpainting --devicecuda第一次启动会自动下载权重之后在网页里填写提示词即可指定涂掉的区域变为什么。--model可接受的取值分两组常用项如下组别可选值内置擦除模型lama默认、ldm、zits、mat、fcf、manga、cv2、migan扩散模型任意 HuggingFace 上的 SD/SDXL inpainting 模型 id如runwayml/stable-diffusion-inpainting、diffusers/stable-diffusion-xl-1.0-inpainting-0.1适合删掉 A 换成 B、商品局部重绘、画面外扩的场景代价是下载体积和显存占用都更大。03 · 进阶批量处理与交互式分割文件夹级批量修复几十张图逐张点开涂抹太慢iopaint run直接处理整个文件夹iopaint run --modellama --devicecpu \ --image/path/to/images \ --mask/path/to/masks \ --output/path/to/output遮罩传文件时所有图片共用同一张传文件夹时遮罩需与图片同名。--mask会自动缩放到原图尺寸--concat可把原图、遮罩和结果拼成一张对比图。适合已有人工标好选区、需要批量出图的流水线。不会画选区时启用分割插件手动涂抹边缘不准开启交互式分割由 Segment Anything 替你圈选iopaint start --enable-interactive-seg \ --interactive-seg-devicecuda \ --interactive-seg-modelsam2_1_tiny点一下物体就生成选区模型从sam2_1_tiny到更高级别依次更精细、也更慢。适合人物、商品这类轮廓清晰的主体其余常用插件如--enable-gfpgan人脸修复、--enable-realesrgan超分辨率、--enable-remove-bg、--enable-anime-seg均可在iopaint start --help中查到对应参数按需加在启动命令里。04 · 开发视角目录结构与新增模型想改行为或加模型先看代码怎么组织。模型、插件、接口、命令行是四个独立目录各管一摊iopaint/ ├── model/ # 每个模型一个文件lama.py、sd.py、sdxl.py、power_paint/ … ├── plugins/ # interactive_seg.py、gfpgan_plugin.py、realesrgan.py … ├── api.py # FastAPI 接口前端请求都走这里 └── cli.py # start / run / download / list 四个子命令接入一个新模型入口在 iopaint/model/继承基类InpaintModel实现模型初始化与forward推理再补上结果与原图的边缘合成。批量与接口层的公共逻辑在 iopaint/batch_processing.py改参数或日志时从这里入手最省事。05 · 跑不动、跑不动大图的调法显存不足或大图解不动时按下面几个开关逐级加参数含义与源码中的帮助文本一致参数作用适用信号--low-mem开启注意力切片与 VAE tiling 省显存大图加载即 OOM--cpu-offload把扩散模型权重卸载到内存显存吃紧但内存富余--no-half改用 fp32 精度生成结果总是黑色或绿色--local-files-only离线加载不连接 HuggingFace内网或断网环境经验法则先用lama这类轻量模型跑通全流程确认选区和参数没问题后再切扩散模型精修。批量大图尤其如此能省掉一半的等待。06 · 用 Docker 固定生产版本环境漂移是生产事故的主要来源Docker 一次构建长期复用。仓库自带两个文件GPU 用 docker/GPUDockerfileCPU 用 docker/CPUDockerfile。docker build -t iopaint -f docker/GPUDockerfile . docker run --gpus all -p 8080:8080 \ -v /models:/root/.cache iopaint模型目录挂在容器内缓存路径下镜像升级时权重不用重下。对外提供服务时把--host改成本机可访问的地址用--quality控制输出编码质量。07 · 落地前的最后四步本机pip3 install iopaint跑通 web 界面确认硬件与显存够。用iopaint run拿一小组真实图片试批量链路核对遮罩命名。docker build出镜像固定依赖版本模型权重走挂载卷。用--low-mem、--cpu-offload把大图场景压进显存预算再定并发。修图工具的价值不在参数多而在流程跑稳选对模型、备好遮罩、固定环境剩下的交给脚本。【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