基于【Lama Cleaner】一键秒去水印，轻松移除不想要的内容！

最新推荐文章于 2025-04-17 07:04:22 发布
最新推荐文章于 2025-04-17 07:04:22 发布
阅读量2k 收藏 10
点赞数 32
分类专栏： AI写算法 文章标签： 人工智能 python 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/class4715/article/details/139596789
版权

一、项目背景

革命性的AI图像编辑技术,让您的图片焕然一新!无论水印、logo、不想要的人物或物体,都能被神奇地移除,只留下纯净的画面。操作简单,效果出众,给你全新的视觉体验。开启图像编辑新纪元,尽在掌控!

利用去水印开源工具Lama Cleaner对照片中"杂质"进行去除！

可以去AI擦除一切应用体验!

先看效果：

 

二、Lama Cleaner是什么？

Lama Cleaner是一款开源且免费的人工学习图片去水印程序（个人主要学习用途），没有图片分辨率限制（个人使用暂未发现），并且保存的图片质量很高（个人觉得跟原图差不多），还能下载处理后的图片到本地。

三、操作

1、安装

In [1]

!pip install litelama==0.1.7
Looking in indexes: https://mirror.baidu.com/pypi/simple/, https://mirrors.aliyun.com/pypi/simple/
Collecting litelama==0.1.7
  Downloading https://mirrors.aliyun.com/pypi/packages/6e/59/873f5cbaeae1f2b17e6d1ae6c74e1efde28783db4d7442346a77a6140673/litelama-0.1.7-py3-none-any.whl (21 kB)
Collecting kornia>=0.7.0 (from litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/ac/fa/5612c4b1ad83b3044062e9dd0ca3c91937d8023cff0836269e18573655b0/kornia-0.7.2-py2.py3-none-any.whl (825 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 825.4/825.4 kB 1.1 MB/s eta 0:00:0000:0100:01
Requirement already satisfied: numpy>=1.24.4 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from litelama==0.1.7) (1.26.2)
Collecting omegaconf>=2.3.0 (from litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/e3/94/1843518e420fa3ed6919835845df698c7e27e183cb997394e4a670973a65/omegaconf-2.3.0-py3-none-any.whl (79 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 79.5/79.5 kB 1.1 MB/s eta 0:00:00a 0:00:01
Requirement already satisfied: opencv-python>=4.8.0.76 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from litelama==0.1.7) (4.8.1.78)
Requirement already satisfied: pillow>=10.0.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from litelama==0.1.7) (10.1.0)
Requirement already satisfied: requests>=2.31.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from litelama==0.1.7) (2.31.0)
Requirement already satisfied: safetensors>=0.3.3 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from litelama==0.1.7) (0.4.1)
Collecting torch>=2.0.1 (from litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/33/b3/1fcc3bccfddadfd6845dcbfe26eb4b099f1dfea5aa0e5cfb92b3c98dba5b/torch-2.2.2-cp310-cp310-manylinux1_x86_64.whl (755.5 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 755.5/755.5 MB 769.7 kB/s eta 0:00:0000:0100:16
Collecting kornia-rs>=0.1.0 (from kornia>=0.7.0->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/7b/ef/eec16e87bc8893f608a42c96739ad0c35e30877b0f64bd19d95971534cef/kornia_rs-0.1.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (2.4 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.4/2.4 MB 1.3 MB/s eta 0:00:0000:0100:01
Requirement already satisfied: packaging in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from kornia>=0.7.0->litelama==0.1.7) (23.2)
Collecting antlr4-python3-runtime==4.9.* (from omegaconf>=2.3.0->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/3e/38/7859ff46355f76f8d19459005ca000b6e7012f2f1ca597746cbcd1fbfe5e/antlr4-python3-runtime-4.9.3.tar.gz (117 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 117.0/117.0 kB 1.3 MB/s eta 0:00:00a 0:00:01
  Preparing metadata (setup.py) ... done
Requirement already satisfied: PyYAML>=5.1.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from omegaconf>=2.3.0->litelama==0.1.7) (6.0.1)
Requirement already satisfied: charset-normalizer<4,>=2 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from requests>=2.31.0->litelama==0.1.7) (3.3.2)
Requirement already satisfied: idna<4,>=2.5 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from requests>=2.31.0->litelama==0.1.7) (3.6)
Requirement already satisfied: urllib3<3,>=1.21.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from requests>=2.31.0->litelama==0.1.7) (2.1.0)
Requirement already satisfied: certifi>=2017.4.17 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from requests>=2.31.0->litelama==0.1.7) (2023.11.17)
Requirement already satisfied: filelock in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from torch>=2.0.1->litelama==0.1.7) (3.13.1)
Requirement already satisfied: typing-extensions>=4.8.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from torch>=2.0.1->litelama==0.1.7) (4.9.0)
Collecting sympy (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/d2/05/e6600db80270777c4a64238a98d442f0fd07cc8915be2a1c16da7f2b9e74/sympy-1.12-py3-none-any.whl (5.7 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 5.7/5.7 MB 1.3 MB/s eta 0:00:0000:0100:01
Collecting networkx (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/d5/f0/8fbc882ca80cf077f1b246c0e3c3465f7f415439bdea6b899f6b19f61f70/networkx-3.2.1-py3-none-any.whl (1.6 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.6/1.6 MB 1.3 MB/s eta 0:00:0000:0100:01
Requirement already satisfied: jinja2 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from torch>=2.0.1->litelama==0.1.7) (3.1.2)
Requirement already satisfied: fsspec in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from torch>=2.0.1->litelama==0.1.7) (2023.10.0)
Collecting nvidia-cuda-nvrtc-cu12==12.1.105 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/b6/9f/c64c03f49d6fbc56196664d05dba14e3a561038a81a638eeb47f4d4cfd48/nvidia_cuda_nvrtc_cu12-12.1.105-py3-none-manylinux1_x86_64.whl (23.7 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 23.7/23.7 MB 1.3 MB/s eta 0:00:0000:0100:01
Collecting nvidia-cuda-runtime-cu12==12.1.105 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/eb/d5/c68b1d2cdfcc59e72e8a5949a37ddb22ae6cade80cd4a57a84d4c8b55472/nvidia_cuda_runtime_cu12-12.1.105-py3-none-manylinux1_x86_64.whl (823 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 823.6/823.6 kB 1.2 MB/s eta 0:00:0000:0100:01
Collecting nvidia-cuda-cupti-cu12==12.1.105 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/7e/00/6b218edd739ecfc60524e585ba8e6b00554dd908de2c9c66c1af3e44e18d/nvidia_cuda_cupti_cu12-12.1.105-py3-none-manylinux1_x86_64.whl (14.1 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 14.1/14.1 MB 1.2 MB/s eta 0:00:0000:0100:01
Collecting nvidia-cudnn-cu12==8.9.2.26 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/ff/74/a2e2be7fb83aaedec84f391f082cf765dfb635e7caa9b49065f73e4835d8/nvidia_cudnn_cu12-8.9.2.26-py3-none-manylinux1_x86_64.whl (731.7 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 731.7/731.7 MB 737.2 kB/s eta 0:00:0000:0100:16
Collecting nvidia-cublas-cu12==12.1.3.1 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/37/6d/121efd7382d5b0284239f4ab1fc1590d86d34ed4a4a2fdb13b30ca8e5740/nvidia_cublas_cu12-12.1.3.1-py3-none-manylinux1_x86_64.whl (410.6 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 410.6/410.6 MB 1.0 MB/s eta 0:00:0000:0100:08
Collecting nvidia-cufft-cu12==11.0.2.54 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/86/94/eb540db023ce1d162e7bea9f8f5aa781d57c65aed513c33ee9a5123ead4d/nvidia_cufft_cu12-11.0.2.54-py3-none-manylinux1_x86_64.whl (121.6 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 121.6/121.6 MB 1.3 MB/s eta 0:00:0000:0100:03
Collecting nvidia-curand-cu12==10.3.2.106 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/44/31/4890b1c9abc496303412947fc7dcea3d14861720642b49e8ceed89636705/nvidia_curand_cu12-10.3.2.106-py3-none-manylinux1_x86_64.whl (56.5 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 56.5/56.5 MB 1.4 MB/s eta 0:00:0000:0100:01
Collecting nvidia-cusolver-cu12==11.4.5.107 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/bc/1d/8de1e5c67099015c834315e333911273a8c6aaba78923dd1d1e25fc5f217/nvidia_cusolver_cu12-11.4.5.107-py3-none-manylinux1_x86_64.whl (124.2 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 124.2/124.2 MB 1.4 MB/s eta 0:00:0000:0100:03
Collecting nvidia-cusparse-cu12==12.1.0.106 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/65/5b/cfaeebf25cd9fdec14338ccb16f6b2c4c7fa9163aefcf057d86b9cc248bb/nvidia_cusparse_cu12-12.1.0.106-py3-none-manylinux1_x86_64.whl (196.0 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 196.0/196.0 MB 1.2 MB/s eta 0:00:0000:0100:04
Collecting nvidia-nccl-cu12==2.19.3 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/38/00/d0d4e48aef772ad5aebcf70b73028f88db6e5640b36c38e90445b7a57c45/nvidia_nccl_cu12-2.19.3-py3-none-manylinux1_x86_64.whl (166.0 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 166.0/166.0 MB 1.2 MB/s eta 0:00:0000:0100:04
Collecting nvidia-nvtx-cu12==12.1.105 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/da/d3/8057f0587683ed2fcd4dbfbdfdfa807b9160b809976099d36b8f60d08f03/nvidia_nvtx_cu12-12.1.105-py3-none-manylinux1_x86_64.whl (99 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 99.1/99.1 kB 1.0 MB/s eta 0:00:00a 0:00:01
Collecting triton==2.2.0 (from torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/95/05/ed974ce87fe8c8843855daa2136b3409ee1c126707ab54a8b72815c08b49/triton-2.2.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (167.9 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 167.9/167.9 MB 1.2 MB/s eta 0:00:0000:0100:04
Collecting nvidia-nvjitlink-cu12 (from nvidia-cusolver-cu12==11.4.5.107->torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/58/d1/d1c80553f9d5d07b6072bc132607d75a0ef3600e28e1890e11c0f55d7346/nvidia_nvjitlink_cu12-12.4.99-py3-none-manylinux2014_x86_64.whl (21.1 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 21.1/21.1 MB 1.4 MB/s eta 0:00:0000:0100:01
Requirement already satisfied: MarkupSafe>=2.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages (from jinja2->torch>=2.0.1->litelama==0.1.7) (2.1.3)
Collecting mpmath>=0.19 (from sympy->torch>=2.0.1->litelama==0.1.7)
  Downloading https://mirrors.aliyun.com/pypi/packages/43/e3/7d92a15f894aa0c9c4b49b8ee9ac9850d6e63b03c9c32c0367a13ae62209/mpmath-1.3.0-py3-none-any.whl (536 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 536.2/536.2 kB 1.3 MB/s eta 0:00:0000:0100:01
Building wheels for collected packages: antlr4-python3-runtime
  Building wheel for antlr4-python3-runtime (setup.py) ... done
  Created wheel for antlr4-python3-runtime: filename=antlr4_python3_runtime-4.9.3-py3-none-any.whl size=144554 sha256=077a76af915c8b5e871c1a81a6cbda25ccce15c65326cd9d79be4d51a5141f99
  Stored in directory: /home/aistudio/.cache/pip/wheels/79/82/b1/b79d6e90f34257cd436860ed4f4a09f9e1ea8cd32da7046ea4
Successfully built antlr4-python3-runtime
Installing collected packages: mpmath, antlr4-python3-runtime, triton, sympy, omegaconf, nvidia-nvtx-cu12, nvidia-nvjitlink-cu12, nvidia-nccl-cu12, nvidia-curand-cu12, nvidia-cufft-cu12, nvidia-cuda-runtime-cu12, nvidia-cuda-nvrtc-cu12, nvidia-cuda-cupti-cu12, nvidia-cublas-cu12, networkx, kornia-rs, nvidia-cusparse-cu12, nvidia-cudnn-cu12, nvidia-cusolver-cu12, torch, kornia, litelama
Successfully installed antlr4-python3-runtime-4.9.3 kornia-0.7.2 kornia-rs-0.1.2 litelama-0.1.7 mpmath-1.3.0 networkx-3.2.1 nvidia-cublas-cu12-12.1.3.1 nvidia-cuda-cupti-cu12-12.1.105 nvidia-cuda-nvrtc-cu12-12.1.105 nvidia-cuda-runtime-cu12-12.1.105 nvidia-cudnn-cu12-8.9.2.26 nvidia-cufft-cu12-11.0.2.54 nvidia-curand-cu12-10.3.2.106 nvidia-cusolver-cu12-11.4.5.107 nvidia-cusparse-cu12-12.1.0.106 nvidia-nccl-cu12-2.19.3 nvidia-nvjitlink-cu12-12.4.99 nvidia-nvtx-cu12-12.1.105 omegaconf-2.3.0 sympy-1.12 torch-2.2.2 triton-2.2.0

2、clean_object

In [2]

from litelama import LiteLama
from litelama.model import download_file
import os
from fastapi import FastAPI, Body



MODEL_PATH = "work/models/"


def clean_object_init_img_with_mask(init_img_with_mask):
    return clean_object(init_img_with_mask['image'],init_img_with_mask['mask'])


def clean_object(image,mask):
    
    Lama = LiteLama2()
    
    init_image = image
    mask_image = mask

    init_image = init_image.convert("RGB")
    mask_image = mask_image.convert("RGB")



    device = "cuda:0"
   

    result = None
    try:
        Lama.to(device)
        result = Lama.predict(init_image, mask_image)
    except:
        pass
    finally:
        Lama.to("cpu")
    
    return [result]


class LiteLama2(LiteLama):
    
    _instance = None
    
    def __new__(cls, *args, **kw):
        if cls._instance is None:
            cls._instance = object.__new__(cls, *args, **kw)
        return cls._instance
        
    def __init__(self, checkpoint_path=None, config_path=None):
        self._checkpoint_path = checkpoint_path
        self._config_path = config_path
        self._model = None
        
        if self._checkpoint_path is None:
            
            checkpoint_path = os.path.join(MODEL_PATH, "big-lama.safetensors")
            if  os.path.exists(checkpoint_path) and os.path.isfile(checkpoint_path):
                pass
            else:
                download_file("https://huggingface.co/anyisalin/big-lama/resolve/main/big-lama.safetensors", checkpoint_path)
                
            self._checkpoint_path = checkpoint_path
        
        self.load(location="cpu")

3、去除标记物

 

In [3]

from PIL import Image
from work.scripts import lama
# 打开图片文件
image = Image.open("work/scripts/1.jpg")
mask = Image.open("work/scripts/image.png")
_output = clean_object(image,mask)
print(_output)
/opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/tqdm/auto.py:21: TqdmWarning: IProgress not found. Please update jupyter and ipywidgets. See https://ipywidgets.readthedocs.io/en/stable/user_install.html
  from .autonotebook import tqdm as notebook_tqdm

[<PIL.Image.Image image mode=RGB size=464x712 at 0x7F5007677B20>]

4、查看结果

In [4]

_output[0].show()

<PIL.Image.Image image mode=RGB size=464x712>

四、Gradio应用部署

本文开头所示的Gradio应用已经打包在work/scripts目录下的app.gradio.py文件内，大家可按照aistudio应用部署的方法进行在线部署，也可下载文件到本地进行本地运行。

具体步骤如下：

  1. 编辑器右上角找到部署按钮

  1. 选择Gradio部署

  1. 填写应用信息，执行文件选择 app.gradio.py，部署环境选择 GPU 即可，最后点击部署，接下来耐心等待部署完成。

免费去水印工具
08-28
免费去图片水印工具，有32位操作系统和64位操作系统两种版本，操作简单，不需要会PS技能！
使用AI工具Lama Cleaner一键去除水印、人物、背景等图片里的内容
08-09
"使用AI工具Lama Cleaner一键去除水印、人物、背景等图片里的内容"这个标题揭示了一个高效便捷的图像编辑解决方案，它利用AI算法帮助用户快速删除图片中的不必要元素，如水印、人物或背景。Lama Cleaner是一款这样的...
python lama-cleaner批量去水印
m0_56081647的博客
03-10 2390
用lama-cleaner进行批量去水印，去除视频水印。
Lama Cleaner 使用教程
最新发布
gitblog_00343的博客
04-17 471
Lama Cleaner 使用教程 lama-cleaner Fork of https://github.com/Sanster/lama-cleaner 项目地址: https://gitcode.com/gh_mirrors...
lama-cleaner-开源的AI去除图片背景，消除水印工具
2301_78348935的博客
03-09 4000
在浏览图片或视频时，水印可能会造成视觉上的干扰。对于那些希望消除这种干扰的用户来说，现在有一些基于人工智能技术的开源工具可供选择。这些工具利用复杂的算法来轻松去除水印，同时保持原始文件的完整性和质量。今天，我们要重点介绍的是lama-cleaner：一个高效的AI开源项目，它专门设计用来清除图片和视频中的水印，使得媒体内容更加干净、不受水印影响。
神奇！Lama-Cleaner免费去水印，让你的图片瞬间完美如初
了然的博客
01-13 1196
今天给大家介绍一款ai去水印的开源项目，lama-cleaner。话不多说，直接上安装方法，基于win系统。
推荐开源项目：WatermarkRemover — 去视频水印利器
gitblog_00020的博客
06-08 2891
推荐开源项目：WatermarkRemover — 去视频水印利器 项目地址:https://gitcode.com/gh_mirrors/wa/WatermarkRemover 项目介绍 在数字化的时代，我们经常需要处理含有各种水印和字幕的视频，无论是为了个人娱乐还是专业的视频制作。WatermarkRemover 是一个由Python3.12驱动的开源工具，它提供了一种简单易用的方式，帮助用户...
lama-cleaner-0.35.0.zip
02-15
《lama-cleaner：一款强大的开源图像去水印与修复工具》 在当今的数字时代，图像处理技术已经发展得相当成熟，特别是在去除水印和修复破损图像方面。lama-cleaner，一个0.35.0版本的开源软件，便是这样的利器，它...
基于iopaint模型（lama）的图片去水印程序
03-28
1.通过模型可以将任意图片上任意图案除去，同时保留底色； 2. 程序支持批量处理图片，如去除水印等； 3.本程序安装即用，无需网络，简单高效。
图像修复工具:lama-cleaner
03-02
推荐理由：一款图像修复工具，基于SOTAAI模型构建，功能颇为齐全。可以快速去除图像中的各种物品、人物、字体、水印等对象，同时支持老照片修复和文本替换图像内容。无论是用于图像编辑还是修复工作，LamaCleaner...
免费开源的图片修复工具-Lama Cleaner
01-14
在图像处理中，有时候我们需要移除不想要的背景、标志或人物等。Lama Cleaner的这一特性使得这项工作变得更加简单。通过高级的算法，它能智能识别并精确地去除目标对象，同时保持背景的平滑过渡，避免留下明显的痕迹...
AI去水印源码 CVPR 2017
09-22
automatic-watermark-detection AI自动去水印源码实现
去水印神器（Lama Cleaner）
努力搬砖的打工人
11-14 2595
Python去水印小技巧
利用Lama Cleaner本地实现AIGC试玩：擦除对象、替换对象、更换风格等等
weixin_45977690的博客
11-06 5862
Lama Cleaner的使用大全，可本地实现AIGC各种功能。
马赛克与目标清除工具分享(lama-cleaner)
CHNIM的博客
02-22 1258
lama-cleaner是一个前后端分离的服务，后端使用python，前端使用nodejs编写的服务，使用的是开源项目lama实现的图像操作，还支持很多其他的插件，windows端和macos还有相应的软件可以直接下载安装。
lama-cleaner：一款功能强大的开源图像修复工具
gitblog_00520的博客
04-01 892
lama-cleaner：一款功能强大的开源图像修复工具 lama-cleaner- 去水印Image inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or er...
免费开源的图片修复工具Lama Cleaner
wbsu2004的博客
12-14 1万+
Lama Cleaner 是由 SOTA AI 模型提供支持的免费开源图片修复工具。
【教程】去水印开源工具Lama Cleaner在Windows的安装和使用
热门推荐
逍遥在南方的博客
03-04 1万+
Lama Cleaner是一款开源且免费的人工学习图片去水印程序（个人主要学习用途），没有图片分辨率限制（个人使用暂未发现），并且保存的图片质量很高（个人觉得跟原图差不多），还能下载处理后的图片到本地。截止到目前(2023-03-01)仍然在更新，最新版为0.37.0。不过在线程序网站经常报错504…（所以我才想本地部署[无奈.jpg]）
lama-cleaner：基于SOTA AI 模型Stable Diffusion驱动的图像修复工具
u013343616的博客
08-18 1773
由 SOTA AI 模型提供支持的图像修复工具。从照片中删除任何不需要的物体、缺陷、人物，或擦除并替换（由Stable Diffusion驱动）照片上的任何东西。
comfyui和上述软件区别
03-20
<think>好的，用户之前问过关于开源AI修图工具的问题，我回复了六款工具，比如Lama Cleaner、GIMP插件、Cupscale等。现在用户问的是ComfyUI和这些工具的区别，需要详细分析ComfyUI与之前提到的那些软件的不同之处。 首先，我需要确认用户可能对ComfyUI不太了解，所以需要先解释ComfyUI是什么。然后对比之前提到的每个工具的主要功能和特点，找出它们之间的区别。可能用户想知道ComfyUI是否更适合他们的需求，或者想了解在工作流程、使用难度、灵活性等方面的差异。 接下来，我需要回忆ComfyUI的特点。ComfyUI是基于节点的可视化工作流工具，常用于Stable Diffusion的高级应用，适合自定义复杂流程。而之前提到的工具如Lama Cleaner更专注于特定任务，比如去水印、物体移除，操作简单。GIMP是传统修图软件加AI插件，适合图像处理结合AI功能。Cupscale和Real-ESRGAN主要是超分辨率，Stable Diffusion WebUI有局部重绘等功能，但可能界面更友好。 用户可能想知道ComfyUI相比这些工具有什么优势或不同，比如节点式编辑带来的灵活性，或者更适合开发者、研究人员使用。同时，用户可能关心是否需要编程基础，或者是否适合新手。另外，隐私方面，ComfyUI是否支持本地运行，这也是之前提到的工具的一个卖点。 需要分点对比，比如定位与功能、使用方式、技术门槛、适用场景等。可能还需要指出ComfyUI和其他工具如Stable Diffusion WebUI的关系，比如ComfyUI是另一种前端，但更灵活。还要注意用户可能混淆了这些工具，需要明确区分。 最后，总结ComfyUI的优缺点，帮助用户判断是否适合他们的使用场景，比如需要高度定制化的工作流，还是只需要简单修图。可能用户是开发者或有一定技术背景，想要更深入控制AI模型，或者需要集成多个步骤的处理流程。需要确保回答结构清晰，对比明确，帮助用户做出选择。</think>以下是 **ComfyUI** 与上述开源AI修图工具的核心区别分析，从功能定位、使用方式到适用场景逐一对比： --- ### 一、**定位与核心功能差异** | 工具名称 | 核心定位 | 主要功能 | |-------------------|----------------------------------|---------------------------------------------| | **ComfyUI** | **节点化工作流引擎** | 通过可视化节点自由组合AI模型（如Stable Diffusion），实现图像生成、编辑、修复的全流程控制 | | Lama Cleaner | 特定任务快速处理 | 专注移除水印/物体、超分辨率等单一功能 | | GIMP + AI插件 | 传统修图软件扩展 | 结合传统修图工具与AI插件（如降噪、上色） | | Stable Diffusion WebUI | 简化版AI生成工具 | 基于Web界面操作，主打文生图、局部重绘（inpainting） | | Real-ESRGAN | 超分辨率专用工具 | 图像/视频分辨率提升与去模糊 | **关键区别**： ComfyUI **不直接提供预设的修图功能**，而是通过节点（Node）搭建自定义工作流。例如，你可以连接“图像分割→局部重绘→超分辨率→风格迁移”等多个步骤，灵活调用不同模型（如ControlNet、LoRA等），实现高度定制化处理。 --- ### 二、**使用方式对比** | 工具名称 | 操作界面 | 学习门槛 | |-------------------|---------------------|-------------------------------------| | **ComfyUI** | 节点化流程图（类似Blender） | 高：需理解节点逻辑、模型参数与数据流 | | Lama Cleaner | 图形化交互界面 | 低：上传图片→涂抹区域→一键修复 | | Stable Diffusion WebUI | Web表单式界面 | 中：需熟悉参数调节，但无需编程 | | Cupscale | 简易GUI | 低：拖放图片→选择模型→批量处理 | **关键区别**： ComfyUI需要用户**手动构建流程图**，例如将“加载图像→分割蒙版→调用SD模型→输出结果”连接成完整流程，适合对AI模型原理有基础理解的用户。而其他工具多为“点选式”操作，适合快速完成特定任务。 --- ### 三、**技术特性与优势** | 工具名称 | 技术优势 | 局限性 | |-------------------|---------------------------------------------|-----------------------------------| | **ComfyUI** | - 支持多模型串联与并行处理<br>- 可自定义复杂逻辑（如条件分支）<br>- 内存占用优化 | 无预设修图模板，依赖用户自行设计工作流 | | Lama Cleaner | 针对移除物体/水印高度优化，处理速度快 | 功能单一，扩展性有限 | | Stable Diffusion WebUI | 内置丰富插件（如ControlNet），社区资源多 | 工作流固定，难以深度定制 | | Real-ESRGAN | 超分辨率效果稳定，兼容视频处理 | 仅限分辨率提升，不支持内容编辑 | **典型场景对比**： - 若需**修复老照片**： - **Lama Cleaner**：涂抹破损区域→自动填充 - **ComfyUI**：需搭建“老照片去噪→超分→色彩还原”节点链 - 若需**替换图片背景**： - **Stable Diffusion WebUI**：用inpainting涂抹背景+输入文本描述生成新背景 - **ComfyUI**：可结合“分割模型提取主体→ControlNet控制构图→SD生成背景→混合输出” --- ### 四、**适用人群与场景推荐** 1. **选择ComfyUI的情况**： - 需要**多模型协作**（如同时调用Stable Diffusion + GFPGAN修复人脸） - 对生成过程需**精细控制**（如调整潜空间噪声、分阶段渲染） - 开发者/研究人员测试新模型或工作流 2. **选择其他工具的情况**： - 快速去水印/修复瑕疵 → **Lama Cleaner** - 传统修图+AI辅助 → **GIMP + AI插件** - 简单文生图或局部重绘 → **Stable Diffusion WebUI** --- ### 五、**总结：ComfyUI的核心特点** 1. **高度自由但复杂**：适合探索AI修图的底层逻辑，而非“开箱即用” 2. **性能优化**：节点化流程减少冗余计算，处理大图时效率更高 3. **社区生态**：可导入他人分享的工作流（如专业人像精修模板），但需自行调试 **GitHub地址**：https://github.com/comfyanonymous/ComfyUI
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

军哥说AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值