AI人工智能去水印软件Lama Cleaner +安装包下载

什么是 Lama Cleaner ？

Lama Cleaner 是由 SOTA AI 模型提供支持的图像修复工具。可以从图片中移除任何不需要的物体、缺陷和人，或者擦除并替换（powered by stable diffusion）图片上的任何东西。

Lama Cleaner 分为 GPU 版本和 CPU 版本，这两个版本的体积相差巨大，老苏猜测CPU 版本应该是个精简版，没有内置 stable diffusion，因此是不支持替换功能的，能否修复旧照片，目前这款开源工具在github上也是有12kstar：关于安装方式，官方也提供了多种方式，我这边实验的话，是用的pip方式，非常简单，安装好python环境，直接pip装包，执行启动命令后，直接在网页端打开就好，真实即开即用。

如果觉得部署麻烦，还可以在文章末尾下载软件版使用

也是用的luma这个模型

一、安装1、LaMa Cleaner最简单的安装方法是通过pip安装pip 是 Python 的包管理工具，该工具提供了对Python 包的查找、下载、安装、卸载的功能。如果电脑上没安装python，那么去官网 python.org 下载3.7 ~ 3.10版本的安装包（亲测最新的3.11.2版不支持），默认安装已经自带了该工具。安装完python后，如果仍没有办法在终端中运行pip，请检查一下python安装目录下的scripts子目录是否已经加入了系统的Path变量中。pip安装是最简单的（ 支持python 3.7 ~ 3.10）

pip install lama-cleaner

安装完成后，运行以下命令启动lama cleaner, 首次运行时会自动下载所需模型。

lama-cleaner --model=lama --device=cuda --port=8080

然后直接在浏览器访问：

 http://localhost:8080

如果，我是说如果，你没有启动成功，或者报一些奇怪的问题，可以后台踢我，建议尽量自行百度解决。

 

更多其它使用方法可以去参考官方：https://lama-cleaner-docs.vercel.app/

2、如果不会pip也可以直接下载封装好的安装包我把目前最新版本的安装包文件（版本0.35.0）放在百度网盘上了，174M。文章末尾回复关键词下载！

安装

首先肯定是下载（下载地址在文章末尾），下载完成后，记得解压缩，然后在解压后的目录中找到 win_config.bat ，双击运行：

会弹出cmd窗口自动下载安装所需的环境，整个下载过程根据网络情况不同，可能有快有慢（有魔法最好开启魔法），不要着急，安静等待，如果安装过程因网络问题出现错误导致失败也没有关系，重新运行 win_config.bat 即可，如下：

直到出现下面的界面：

此时会自动从浏览器打开配置页面，网址为 http://127.0.0.1:7860/ ，如下：

参照上图进行设置，然后点击网页顶部的 Save configurations 保存。

使用

前面准备工作已完成，现在开始使用，切换到lama-cleaner文件夹，双击运行 win_start.bat

弹出cmd窗口，首次运行时会自动开始下载 lama 模型文件，如下：

下载完成后，会自动打开lama-cleaner 的 GUI 窗口，如下：

这时候就可以使用了，去水印操作也非常简单，可以点击中间区域导入需要处理的图片，也可以直接将图片拖进来，图片导入后，根据水印大小结合下方的 Brush 滑块调节复笔触大小，然后使用鼠标直接在图片中的水印位置涂抹即可，下面为动图演示。

可以看到，效果杠杠的，速度也很快，可以说是立竿见影，当然，如果你没有独立显卡，使用CPU的话可能会慢一些。

关于模型（Model）在下文有详细的介绍，一般用lama即可；如果你电脑也没有支持CUDA的Nvidia显卡，选择CPU。最后点击页面顶端的“Save configrations”按钮，会在安装目录中保存成一个启动配置文件installer_config.json，这样下次启动lama cleaner时就会以相应的参数启动。最后关掉此页面，在终端窗口中按Ctrl+C键可结束此配置程序。在终端中运行.\win_start.bat命令，开始运行lama cleaner。如果有需要下载的模型支持包，会自动下载安装，如下图所示：

首次正常下载安装后，以后就不需要重复下载了。如果有异常，可反复运行win_start.bat。最终会成功启动lama cleaner。关掉cleaner窗口退出时，在终端中按任意键即可：

Lama cleaner界面及使用都很简单，不用过多解释，要点都在下图中标注了：

二、AI模型

这部分内容需要科学上网才可以在原网站看得到，为了方便我就翻译保存过来（由于我的机器没有支持CUDA的Nvidia显卡，所以我只实际测试了LaMa一个模型，其它模型在我机器上运行太慢不得不放弃测试。从介绍中看其它模型的效果还是非常令人期待的）。Lama Cleaner支持许多开箱即用的AI修复模型，这些模型可分为三类：1、擦除类（Erase）A. LaMa

LaMa是具有傅里叶卷积的分辨率稳健型大型掩模修复模型，由三星研究院官方实现。

文章开头的效果图，就是LaMa模型的。B. LDM

基于潜在扩散模型的高分辨率图像合成LDM 相比于LaMa：

• 👍 可能获得比 LaMa 更好、更有细节的结果
• 👍 通过调整步数（step）来获得处理时间和图片质量的平衡
• 😐 处理速度比LaMa模型慢的多 (3080 12it/s)
• 😐 需要更多的GPU内存 (512×512 5.8G)

以下为效果图对比：原图：

LaMa模型处理后：

LDM模型处理后：

C. ZITS

ZITS 相比于 LaMa：· 👍更好的整体结构

· 😐 线框模块在 CPU 上非常慢

以下为效果图对比：原图：

ZITS模型处理后：

LaMa模型处理后：

D.MAT: Mask-Aware Transformer for Large Hole Image Inpainting（用于大孔图像修复的掩模感知转换器）

就是在原图上大面积涂抹后，它仍能给画出个比较理想的效果来：

2、擦除和替换类（Erase and Replace）A.Stable Diffusion: 根据文字描述替换图片中的物体。

这个也挺牛，用文字描述就能替换图片中的物体。没办法发油管视频，截图示意如下：在提示框内输入A fox sitting on a bench（一只坐在长凳上的狐狸）就能把原图上的选中的小狗给换掉！

B.Paint by Example: 使用示例图像指导模型在图像上生成类似的内容。

啥也不用说了，看图吧：

3、图片编辑（Picture Editing）A.InstructPix2Pix: 使用文本说明编辑图片。

输入文本，就把原图给修改完了，神不神奇？！

三、其它事项

1、Interactive SegmentationLama Cleaner集成了一个Interactive Segmentation（交互式分段模型），开关在页面底部的工具栏内：。此模型使用鼠标左键单击可以自动选择需要擦除的部分，用鼠标右键可以自动从已选择的部分中去除误选择的部分。选择完成后，点击Accept按钮 开始擦除。2、Manual Inpainting Mode默认情况下，lama cleaner将在画笔涂抹结束松开鼠标左键后立即执行图片修复。可以在设置中启用手动修复模式：

在手动模式下，可以一次涂抹多处需要擦除的部分，然后点击工具栏内的橡皮擦图标一并执行擦除。

3、Inpainting Strategy（修图策略）Lama Cleaner提供了三种在图像上运行修复模型的方法，可以在设置中进行更改。三种方法对比如下：

封装好的软件下载（绿色版）该工具是对ama 模型进行的 2 次封装，开箱即用。免去了复杂的安装过程。本人实验过，对于一个人工智能新手来说，直接使用 lama 的教程估计几天都不一定成功。对于电脑没有显卡的也可以使用哦，启动工具的时候指定 cpu 模式就行了，具体可以查看仓库介绍。另外该仓库不仅封装了 lama 模型，还包括其它模型，比如 LDM，ZITS，可以在工具启动的时候指定使用哪个模型。该工具中还附带了 gui 工具，运行起来就可以直接使用。原始图片：

处理后图片：

前后图片对比：