IOPaint 的 PowerPaint V2 怎么上手开源 AI 图像修复实用指南【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 是一个完全开源、可免费自托管的 AI 图像修复inpainting工具其中的 PowerPaint V2 功能基于 Stable Diffusion 1.5 加 BrushNet 条件网络实现能根据你涂抹的掩码自动补齐画面——去水印、移除路人、清除文字、修复老照片划痕它都管。本指南面向想在自己的机器或服务器里搭一套开源图像修复工具链的开发者、设计师和摄影爱好者跟着走一遍就能跑起来。 先说它能帮你解决什么去水印AI去水印。电商图、截图、素材图上挂着别人的水印用传统涂抹工具擦掉会留下一块糊的痕迹。PowerPaint V2 会根据水印周围的背景推断缺失内容让水印消失后看不出修过。清除画面文字。漫画里的对话气泡、视频截图上的字幕这些文字底下往往压着复杂背景。普通擦除只会留下灰白补丁而它能结合上下文把气泡底下的画面想出来。移除路人和杂物。游客照里的多余人物、前景的灯杆电线涂个掩码让它消失。经验之谈掩码比目标涂宽一点边缘过渡会更干净不容易留下残影。老照片修复。划痕、污渍、局部缺损先擦再补再配合 IOPaint 的 RealESRGAN 超分、GFPGAN 人脸修复插件老照片翻新是条完整链路。 一分钟看懂原理PowerPaint V2 的主干是 Stable Diffusion 1.5——你熟悉的靠扩散模型一步步去噪生成像素那套旁边挂了一个叫 BrushNet 的条件网络专门负责读现场它吃下原图和掩码在去噪的每一步里给主模型递话告诉它哪块要修、周围长什么样让生成的内容贴合原有画面而不是凭空乱画。它自己的特点是双提示机制A 提示管背景环境B 提示管画面主体去噪早期主要按 A 生成环境后期再按 B 修正内容。这套机制靠三个占位符 tokenP_ctxt、P_shape、P_obj落地由项目自带的 tokenizer 处理你不用关心细节。另外它提供五个任务模式在界面上选一下即可切换任务模式干什么用text-guided文本引导用你写的提示词决定补什么内容context-aware上下文感知不看提示词完全靠周围背景推断shape-guided形状引导生成物必须贴合掩码的形状object-remove物体移除专门抹东西负向提示里显式压制目标物体outpainting外扩往画面外补内容把图扩展出去核心实现在 iopaint/model/power_paint/v2/ 目录里BrushNetModel 是条件网络本体改造过的 UNet 前向函数负责把条件特征注入主模型。不想看源码也没关系知道主模型画画、BrushNet 当监工就够了。⚡ 快速上手PowerPaint V2 安装与启动命令环境要求Python 3.8纯 CPU 能跑但偏慢建议带 NVIDIA GPU。有 GPU 的话先装对应 CUDA 版本的 PyTorch。# 1) GPU 用户先装 CUDA 版 PyTorch按你的 CUDA 版本选 index-url pip3 install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118 # 2) 安装 IOPaint pip3 install iopaint # 3) 启动 Web UI选 PowerPaint V2 模型 iopaint start --modelpowerpaint_v2 --devicecuda --port8080浏览器打开 http://localhost:8080 就能用。模型首次启动时会自动从 HuggingFace 下载默认存到~/.cache想换目录加--model-dir。不想装 pip 包、想用仓库源码跑也可以git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint pip install -r requirements.txt python3 main.py start --model powerpaint_v2 --port 8080批量处理不依赖界面一条命令搞定--image指向图片文件夹--mask指向同名的掩码文件夹结果自动落到--outputiopaint run --modelpowerpaint_v2 --devicecuda \ --image/path/to/image_folder \ --mask/path/to/mask_folder \ --outputoutput_dir 参数速查高质量 vs 快速两组配置PowerPaint V2 常用的旋钮就这几个两组现成配方直接抄参数高质量正式交付快速批量预览说明sd_steps30~5015~20扩散步数去噪的迭代次数越多越精细、越慢sd_samplerddimlms采样器。DDIM确定性迭代采样质量稳LMS 更快sd_guidance_scale7.55.0引导强度越高越听话过高画面会僵硬hd_strategyCROPORIGINAL大图处理策略CROP 在掩码周围裁块、处理后拼回细节好、显存省RESIZE 是整图缩小再放大ORIGINAL 按原尺寸直接跑fitting_degree1.01.0生成内容贴合掩码形状的程度0~1形状引导任务尤其有用显存优化low_memcpu_offload low_mem见下面 FAQ 第一条怎么取舍单张精修、要交付的图用高质量组一次跑几十张、先看个大概用快速组把步数砍到 15 左右肉眼已经够用。️ 性能与硬件要求仓库自带 benchmark.py用 512×512 的测试图连续跑多轮输出平均±标准差的推理延迟ms、GPU 显存占用MB和系统内存MB三项指标。拿到机器上自己跑一遍最靠谱python iopaint/benchmark.py --name powerpaint_v2 --device cuda --times 10注意它默认只跑 5 步属于能不能跑起来级别的快速摸底不代表完整 30 步的真实耗时。硬件上给个参考。最低配置8GB 内存、任意 CPU、约 10GB 磁盘空间装模型纯 CPU 能跑但一张图要等很久。推荐配置16GB 内存、RTX 3060 12GB 级别的显卡SD 1.5 基座加 BrushNet 分支开 fp16 后 8GB 显存也基本够用、NVMe 磁盘。具体数字以自己机器的 benchmark 结果为准。❓ 新手 FAQ显存不足怎么调参先开--cpu-offload把模型权重放内存、用到哪块搬到哪块最省显存也最慢再开--low-mem开注意力切片和 VAE 分块。如果生成图全黑或全绿多半是半精度在你硬件上翻车加--no-half切回全精度代价是显存翻倍。模型下载失败 / 服务器没外网怎么办模型默认缓存在~/.cache可用环境变量XDG_CACHE_HOME或--model-dir改位置。离线部署就在联网机器上把powerpaint_v2对应的模型目录完整拷到服务器同一相对路径启动时指过去即可仓库提供了--local-files-only选项加载时不连 HuggingFace。掩码到底怎么画掩码是一张和原图同尺寸的黑白图白色部分就是要重新生成的区域。Web 界面里直接拿画笔涂嫌麻烦就开 Segment Anything 交互分割插件点两下自动生成精准掩码。两条经验宁多涂、少漏涂边缘羽化过渡比硬边效果好。API 调用时怎么触发 PowerPaint V2通过接口发修复请求时要在参数里带上enable_powerpaint_v2True并设置powerpaint_task选任务模式——模型管理器靠这两个字段决定走不走这条流水线定义见 iopaint/schema.py。没有 GPU 能跑吗能--devicecpu即可CPU 支持且不在不支持列表里。但 PowerPaint V2 是完整的扩散模型CPU 上速度按分钟计只适合尝鲜或极低频的批处理。 写在最后PowerPaint V2 的价值是把 Stable Diffusion 1.5 BrushNet 这条能修图的链路打包成了一个开箱即用的开源工具五个任务模式覆盖去水印、移除杂物、清文字、修划痕、外扩这五类最常见的需求再配上 CPU offload 等显存开关中端显卡也能舒服地跑。装好之后第一次启动就能自动把模型拉下来批量场景一条命令行直接跑。想深挖条件注入的细节可以看 iopaint/model/power_paint/v2/ 里的源码觉得顺手的话也欢迎到 IOPaint 开源仓库提 issue 或 PR。【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 的 PowerPaint V2 怎么上手？开源 AI 图像修复实用指南
IOPaint 的 PowerPaint V2 怎么上手开源 AI 图像修复实用指南【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 是一个完全开源、可免费自托管的 AI 图像修复inpainting工具其中的 PowerPaint V2 功能基于 Stable Diffusion 1.5 加 BrushNet 条件网络实现能根据你涂抹的掩码自动补齐画面——去水印、移除路人、清除文字、修复老照片划痕它都管。本指南面向想在自己的机器或服务器里搭一套开源图像修复工具链的开发者、设计师和摄影爱好者跟着走一遍就能跑起来。 先说它能帮你解决什么去水印AI去水印。电商图、截图、素材图上挂着别人的水印用传统涂抹工具擦掉会留下一块糊的痕迹。PowerPaint V2 会根据水印周围的背景推断缺失内容让水印消失后看不出修过。清除画面文字。漫画里的对话气泡、视频截图上的字幕这些文字底下往往压着复杂背景。普通擦除只会留下灰白补丁而它能结合上下文把气泡底下的画面想出来。移除路人和杂物。游客照里的多余人物、前景的灯杆电线涂个掩码让它消失。经验之谈掩码比目标涂宽一点边缘过渡会更干净不容易留下残影。老照片修复。划痕、污渍、局部缺损先擦再补再配合 IOPaint 的 RealESRGAN 超分、GFPGAN 人脸修复插件老照片翻新是条完整链路。 一分钟看懂原理PowerPaint V2 的主干是 Stable Diffusion 1.5——你熟悉的靠扩散模型一步步去噪生成像素那套旁边挂了一个叫 BrushNet 的条件网络专门负责读现场它吃下原图和掩码在去噪的每一步里给主模型递话告诉它哪块要修、周围长什么样让生成的内容贴合原有画面而不是凭空乱画。它自己的特点是双提示机制A 提示管背景环境B 提示管画面主体去噪早期主要按 A 生成环境后期再按 B 修正内容。这套机制靠三个占位符 tokenP_ctxt、P_shape、P_obj落地由项目自带的 tokenizer 处理你不用关心细节。另外它提供五个任务模式在界面上选一下即可切换任务模式干什么用text-guided文本引导用你写的提示词决定补什么内容context-aware上下文感知不看提示词完全靠周围背景推断shape-guided形状引导生成物必须贴合掩码的形状object-remove物体移除专门抹东西负向提示里显式压制目标物体outpainting外扩往画面外补内容把图扩展出去核心实现在 iopaint/model/power_paint/v2/ 目录里BrushNetModel 是条件网络本体改造过的 UNet 前向函数负责把条件特征注入主模型。不想看源码也没关系知道主模型画画、BrushNet 当监工就够了。⚡ 快速上手PowerPaint V2 安装与启动命令环境要求Python 3.8纯 CPU 能跑但偏慢建议带 NVIDIA GPU。有 GPU 的话先装对应 CUDA 版本的 PyTorch。# 1) GPU 用户先装 CUDA 版 PyTorch按你的 CUDA 版本选 index-url pip3 install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118 # 2) 安装 IOPaint pip3 install iopaint # 3) 启动 Web UI选 PowerPaint V2 模型 iopaint start --modelpowerpaint_v2 --devicecuda --port8080浏览器打开 http://localhost:8080 就能用。模型首次启动时会自动从 HuggingFace 下载默认存到~/.cache想换目录加--model-dir。不想装 pip 包、想用仓库源码跑也可以git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint pip install -r requirements.txt python3 main.py start --model powerpaint_v2 --port 8080批量处理不依赖界面一条命令搞定--image指向图片文件夹--mask指向同名的掩码文件夹结果自动落到--outputiopaint run --modelpowerpaint_v2 --devicecuda \ --image/path/to/image_folder \ --mask/path/to/mask_folder \ --outputoutput_dir 参数速查高质量 vs 快速两组配置PowerPaint V2 常用的旋钮就这几个两组现成配方直接抄参数高质量正式交付快速批量预览说明sd_steps30~5015~20扩散步数去噪的迭代次数越多越精细、越慢sd_samplerddimlms采样器。DDIM确定性迭代采样质量稳LMS 更快sd_guidance_scale7.55.0引导强度越高越听话过高画面会僵硬hd_strategyCROPORIGINAL大图处理策略CROP 在掩码周围裁块、处理后拼回细节好、显存省RESIZE 是整图缩小再放大ORIGINAL 按原尺寸直接跑fitting_degree1.01.0生成内容贴合掩码形状的程度0~1形状引导任务尤其有用显存优化low_memcpu_offload low_mem见下面 FAQ 第一条怎么取舍单张精修、要交付的图用高质量组一次跑几十张、先看个大概用快速组把步数砍到 15 左右肉眼已经够用。️ 性能与硬件要求仓库自带 benchmark.py用 512×512 的测试图连续跑多轮输出平均±标准差的推理延迟ms、GPU 显存占用MB和系统内存MB三项指标。拿到机器上自己跑一遍最靠谱python iopaint/benchmark.py --name powerpaint_v2 --device cuda --times 10注意它默认只跑 5 步属于能不能跑起来级别的快速摸底不代表完整 30 步的真实耗时。硬件上给个参考。最低配置8GB 内存、任意 CPU、约 10GB 磁盘空间装模型纯 CPU 能跑但一张图要等很久。推荐配置16GB 内存、RTX 3060 12GB 级别的显卡SD 1.5 基座加 BrushNet 分支开 fp16 后 8GB 显存也基本够用、NVMe 磁盘。具体数字以自己机器的 benchmark 结果为准。❓ 新手 FAQ显存不足怎么调参先开--cpu-offload把模型权重放内存、用到哪块搬到哪块最省显存也最慢再开--low-mem开注意力切片和 VAE 分块。如果生成图全黑或全绿多半是半精度在你硬件上翻车加--no-half切回全精度代价是显存翻倍。模型下载失败 / 服务器没外网怎么办模型默认缓存在~/.cache可用环境变量XDG_CACHE_HOME或--model-dir改位置。离线部署就在联网机器上把powerpaint_v2对应的模型目录完整拷到服务器同一相对路径启动时指过去即可仓库提供了--local-files-only选项加载时不连 HuggingFace。掩码到底怎么画掩码是一张和原图同尺寸的黑白图白色部分就是要重新生成的区域。Web 界面里直接拿画笔涂嫌麻烦就开 Segment Anything 交互分割插件点两下自动生成精准掩码。两条经验宁多涂、少漏涂边缘羽化过渡比硬边效果好。API 调用时怎么触发 PowerPaint V2通过接口发修复请求时要在参数里带上enable_powerpaint_v2True并设置powerpaint_task选任务模式——模型管理器靠这两个字段决定走不走这条流水线定义见 iopaint/schema.py。没有 GPU 能跑吗能--devicecpu即可CPU 支持且不在不支持列表里。但 PowerPaint V2 是完整的扩散模型CPU 上速度按分钟计只适合尝鲜或极低频的批处理。 写在最后PowerPaint V2 的价值是把 Stable Diffusion 1.5 BrushNet 这条能修图的链路打包成了一个开箱即用的开源工具五个任务模式覆盖去水印、移除杂物、清文字、修划痕、外扩这五类最常见的需求再配上 CPU offload 等显存开关中端显卡也能舒服地跑。装好之后第一次启动就能自动把模型拉下来批量场景一条命令行直接跑。想深挖条件注入的细节可以看 iopaint/model/power_paint/v2/ 里的源码觉得顺手的话也欢迎到 IOPaint 开源仓库提 issue 或 PR。【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 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
