做网站前需要准备什么软件,北京网站开发公司,怎样建立网站建设,seo服务内容1. 关于 Lama Cleaner
Lama Cleaner 是由 SOTA AI 模型提供支持的免费开源图像修复工具。可以从图片中移除任何不需要的物体、缺陷和人#xff0c;或者擦除并替换#xff08;powered by stable diffusion#xff09;图片上的任何东西。
特征#xff1a;
完全免费开源或者擦除并替换powered by stable diffusion图片上的任何东西。
特征
完全免费开源完全自托管支持CPU GPU M1/2Windows 一键安装程序本机 macOS 应用程序多种SOTA AI模型 擦除模型LaMa/LDM/ZITS/MAT/FcF/Manga擦除和替换模型稳定扩散/绘制示例 后期处理插件 RemoveBG删除图像背景RealESRGAN超分辨率GFPGAN面部恢复RestoreFormer面部修复分割任何东西准确快速的交互式对象分割 文件管理器方便地浏览您的图片并将它们直接保存到输出目录。 插件 在图像清洗的后处理中除了擦除之外还经常使用面部修复或超分辨率等算法。现在您可以直接在 Lama Cleaner 中使用它们。启动Lama Cleaner服务时您可以通过命令行参数启用插件。启用的插件将在左上角显示。 开源地址https://github.com/Sanster/lama-cleaner
2. 擦除模型
Lama Cleaner默认擦除模型为LaMa开源地址为https://github.com/advimman/lama 。
LaMa 图像修复采用傅立叶卷积的分辨率鲁棒大型掩模修复WACV 2022
现代图像修复系统尽管取得了显着的进步但常常难以应对大面积缺失区域、复杂的几何结构和高分辨率图像。我们发现造成这种情况的主要原因之一是修复网络和损失函数都缺乏有效的感受野。为了缓解这个问题我们提出了一种称为大掩模修复LaMa的新方法。 LaMa 基于
一种新的修复网络架构使用快速傅立叶卷积具有图像范围的感受野高感受野感知损失大型训练掩码masks释放前两个组件的潜力。
我们的修复网络提高了一系列数据集的最新技术即使在具有挑战性的场景例如完成周期性结构中也能实现出色的性能。我们的模型出人意料地很好地概括了比训练时所见的分辨率更高的分辨率并且以比竞争基准更低的参数和计算成本实现了这一点。 其中模型中FFC结构如下
3. 安装 Lama Cleaner
很遗憾我的电脑没有GPU具体环境如下
Windows 10专业版处理器Intel® Core™ i5-9400 CPU 2.90GHz 2.90 GHz内存(RAM)32.0 GB(31.8 GB可用)显卡Intel® UHD Graphics 630
安装Lama Cleaner最简单的方法是通过pip安装支持python 3.7 ~ 3.10。
关于GPU安装官方说明如下 # 为了使用GPU请先安装cuda版本的pytorch。# pip install torch1.13.1cu117 --extra-index-url https://download.pytorch.org/whl/cu117我的电脑没有GPU直接使用CPU。 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple lama-cleaner另外还有基于Docker安装在此略过感兴趣自己看官方文档实践。
下面附上安装包列表供参考 Werkzeug-2.3.7aiofiles-23.2.1 annotated-types-0.5.0 antlr4-python3-runtime-4.9.3 anyio-3.7.1 bidict-0.22.1 controlnet-aux-0.0.3 diffusers-0.16.1 einops-0.6.1 fastapi-0.103.1 ffmpy-0.3.1 filelock-3.12.4 flask-2.2.3 flask-cors-4.0.0 flask-socketio-5.3.6 flaskwebgui-0.3.5 fsspec-2023.9.1 gradio-3.44.3 gradio-client-0.5.0 httpcore-0.18.0 httpx-0.25.0 huggingface-hub-0.17.1 itsdangerous-2.1.2 lama-cleaner-1.2.3 mpmath-1.3.0 omegaconf-2.3.0 orjson-3.9.7 piexif-1.1.3 pydantic-2.3.0 pydantic-core-2.6.3 pydub-0.25.1 python-engineio-4.7.1 python-multipart-0.0.6 python-socketio-5.9.0 regex-2023.8.8 safetensors-0.3.3 semantic-version-2.10.0 simple-websocket-0.10.1 starlette-0.27.0 sympy-1.12 timm-0.9.7 tokenizers-0.13.3 torch-2.0.1 torchvision-0.15.2 transformers-4.27.4 uvicorn-0.23.2 websockets-11.0.3 whichcraft-0.6.1 yacs-0.1.8安装完成后可以通过lama-cleaner命令启动服务器第一次使用时会下载模型文件建议确保网络畅通。 GPU启动命令如下lama-cleaner --modellama --devicecuda --port8080 4. 启动
启动命令如下 lama-cleaner --modellama --devicecpu --port8080- Platform: Windows-10-10.0.17763-SP0- Python version: 3.8.10- torch: 2.0.1- torchvision: 0.15.2- Pillow: 8.4.0- diffusers: 0.16.1- transformers: 4.27.4- opencv-python: 4.7.0.72- xformers: N/A- accelerate: N/A- lama-cleaner: 1.2.3- rembg: N/A- realesrgan: N/A- gfpgan: N/AThe cache for model files in Transformers v4.22.0 has been updated. Migrating your old cache. This is a one-time only operation. You can interrupt this and resume the migration later on by calling transformers.utils.move_cache().0it [00:00, ?it/s]Downloading: https://github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt to C:\Users\xiaoyw\.cache\torch\hub\checkpoints\big-lama.pt2023-09-18 14:10:06.177 | INFO | lama_cleaner.helper:download_model:52 - Download model success, md5: e3aa4aaa15225a33ec84f9f4bc47e5002023-09-18 14:10:06.179 | INFO | lama_cleaner.helper:load_jit_model:102 - Loading model from: C:\Users\xiaoyw\.cache\torch\hub\checkpoints\big-lama.ptRunning on http://127.0.0.1:8080工具的使用是基于浏览器的我安装在本机使用默认端口8080打开浏览器使用如下地址http://127.0.0.1:8080。
5. 去水印抠图操作
如下图所示从左到右操作中间图分两块涂抹需要清除的标记最后按下方的橡皮檫形成最右边的图像。
声明感谢哈马的摄影者就这样把你的水印删除了感谢哈马组委会同时也给删除了。本文只是讲抠图处理AI技术未涉及到商业活动。 其中标记多块需要清除点时需要使用手动修复模式。默认情况下Lama Cleaner 将在绘制笔划后运行修复。您可以在设置中启用手动修复模式。
6. 其他擦除模型对比举例
LDM 与 LaMa 模型擦除效果对比 可能得到比 LaMa 更好、更详细的结果 通过调整步骤可以达到时间和质量的平衡 比 LaMa 模型慢得多3080 12it/s 需要更多GPU内存512x512 5.8G
7. 最后
如果要取得好的图像效果是需要GPU的。
