1. 關于 Lama Cleaner
Lama Cleaner 是由 SOTA AI 模型提供支持的免費開源圖像修復工具。可以從圖片中移除任何不需要的物體、缺陷和人,或者擦除并替換(powered by stable diffusion)圖片上的任何東西。
特征:
完全免費開源,完全自托管,支持CPU & GPU & M1/2
Windows 一鍵安裝程序
本機 macOS 應用程序
多種SOTA AI模型
擦除模型:LaMa/LDM/ZITS/MAT/FcF/Manga
擦除和替換模型:穩定擴散/繪制示例
后期處理插件:
RemoveBG:刪除圖像背景
RealESRGAN:超分辨率
GFPGAN:面部恢復
RestoreFormer:面部修復
分割任何東西:準確快速的交互式對象分割
文件管理器:方便地瀏覽您的圖片并將它們直接保存到輸出目錄。
插件
在圖像清洗的后處理中,除了擦除之外,還經常使用面部修復或超分辨率等算法。現在您可以直接在 Lama Cleaner 中使用它們。啟動Lama Cleaner服務時,您可以通過命令行參數啟用插件。啟用的插件將在左上角顯示。
2. 擦除模型
Lama Cleaner默認擦除模型為LaMa,開源地址為:https://github.com/advimman/lama 。
LaMa 圖像修復,采用傅立葉卷積的分辨率魯棒大型掩模修復,WACV 2022
現代圖像修復系統盡管取得了顯著的進步,但常常難以應對大面積缺失區域、復雜的幾何結構和高分辨率圖像。我們發現造成這種情況的主要原因之一是修復網絡和損失函數都缺乏有效的感受野。為了緩解這個問題,我們提出了一種稱為大掩模修復(LaMa)的新方法。LaMa 基于:
一種新的修復網絡架構,使用快速傅立葉卷積,具有圖像范圍的感受野
高感受野感知損失;
大型訓練掩碼(masks),釋放前兩個組件的潛力。
我們的修復網絡提高了一系列數據集的最新技術,即使在具有挑戰性的場景(例如完成周期性結構)中也能實現出色的性能。我們的模型出人意料地很好地概括了比訓練時所見的分辨率更高的分辨率,并且以比競爭基準更低的參數和計算成本實現了這一點。
其中,模型中FFC結構如下:
3. 安裝 Lama Cleaner
很遺憾,我的電腦沒有GPU,具體環境如下:
Windows 10專業版
處理器:Intel Core i5-9400 CPU @ 2.90GHz 2.90 GHz
內存(RAM):32.0 GB(31.8 GB可用)
顯卡:Intel UHD Graphics 630
安裝Lama Cleaner最簡單的方法是通過pip安裝(支持python 3.7 ~ 3.10)。
關于GPU安裝,官方說明如下:
安裝完成后,可以通過lama-cleaner命令啟動服務器,第一次使用時會下載模型文件(建議確保網絡暢通)。
GPU啟動命令如下:lama-cleaner --model=lama --device=cuda --port=8080
4. 啟動
啟動命令如下:
工具的使用是基于瀏覽器的,我安裝在本機,使用默認端口8080,打開瀏覽器使用如下地址:http://127.0.0.1:8080。
5. 去水印摳圖操作
如下圖所示,從左到右操作,中間圖分兩塊涂抹需要清除的標記,最后按下方的橡皮檫,形成最右邊的圖像。
其中,標記多塊需要清除點時,需要使用手動修復模式。默認情況下,Lama Cleaner 將在繪制筆劃后運行修復。您可以在設置中啟用手動修復模式。
6. 其他擦除模型對比舉例
LDM 與 LaMa 模型擦除效果對比:
可能得到比 LaMa 更好、更詳細的結果
通過調整步驟可以達到時間和質量的平衡
比 LaMa 模型慢得多(3080 12it/s)
需要更多GPU內存(512x512 5.8G)
7. 最后
如果要取得好的圖像效果,是需要GPU的。
來源:小白學視覺
-
WINDOWS
+關注
關注
4文章
3608瀏覽量
90969 -
開源
+關注
關注
3文章
3616瀏覽量
43494 -
python
+關注
關注
56文章
4825瀏覽量
86223
原文標題:python摳圖(去水印)開源庫lama-cleaner
文章出處:【微信號:vision263com,微信公眾號:新機器視覺】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
液晶顯示器亮點壞點修復工具
IE修復工具綠色版免費下載

網卡修復工具(軟件)

一些有趣的docker容器知識5

評論