IOPaint PowerPaint V2：5分钟上手AI图片修复，去路人、去水印、去文字全都会
【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
IOPaint 是一款开源的 AI 图片修复工具，内置的 PowerPaint V2 模型专门负责"擦掉不该在画面里的东西"：路人、水印、游戏文字、老照片污渍，涂抹一下就能生成填补内容。对没有修图基础的你来说，收益很直接——不用学 PS 的蒙版和修复画笔，浏览器里涂涂画画，几十秒得到一张干净图，而且代码全部开放，可以本地部署、可以批量跑。
批量去水印与违规文字处理：先说企业场景
对个人玩家最直观的玩法是去路人，但 PowerPaint V2 在批量场景里更能体现价值。平台运营方每天要审大量用户上传图片，图上带着违规文字或第三方水印，一张张人工处理不现实。IOPaint 把这件事做成了命令行任务：
- 准备一个原图目录和一个掩码目录（掩码即标记"要擦除位置"的黑白图，与同名原图一一对应；也可以共用一张通用掩码）
- 通过
run子命令指定模型、设备、输入输出目录，队列自动逐张处理 - 处理完成后可用
--concat把原图、掩码和结果拼成一张对比图，方便抽检
上图为含游戏标题文字的原图与移除文字后的效果。批量逻辑在 批量处理模块 中实现，掩码会自动缩放对齐原图尺寸，省去手工对齐的步骤。
小贴士：同一类型的违规内容（比如固定位置的角标水印）可以复用同一张掩码，配合配置文件沉淀成"处理模板"，同系列图片一键套用，重复设置的工作量能省掉一大半。
一键去除路人步骤：社媒出图最常用的场景
拍风景照片总有游客入镜，这是 PowerPaint V2 出镜率最高的任务。流程很短：
- 启动服务后打开网页端，选择 PowerPaint 编辑模式，上传照片
- 用画笔把要移除的物体涂掉（黑色区域即掩码，建议笔刷略大于目标边缘）
- 点"生成"，等待约 10~20 秒，模型会用周围上下文补全被涂掉的区域
左侧为涂掉了灯笼的原图，右侧为补全后的干净画面，边缘过渡没有明显断层。除了涂除，掩码区域也可以让模型"重画"——比如换个背景内容，涂抹范围越大，模型发挥的自由度越高。
老照片去污渍与折痕：档案数字化的用法
博物馆、档案馆的影像数字化是另一个典型用途：民国老照片上常见的污渍、折痕、馆藏水印，靠人工修图既慢又难保真，PowerPaint V2 则能把涂抹区域按周围纹理"脑补"出来，速度比人工快得多。
上图展示了带水印的老照片与清理后的对比。使用方式与社媒场景一致：扫描上传后，对水印和污渍区域做框选涂抹，生成后放大检查，不满意的地方再补涂一次即可。
小贴士：处理有历史价值的照片前先保留原始扫描件副本；污渍较多时建议分多次小范围涂抹，单次涂抹范围过大容易损失周围细节。
从零跑通一次完整操作
环境准备只需要四步：
- 克隆仓库：
git clone https://gitcode.com/GitHub_Trending/io/IOPaint - 进入目录安装依赖：
pip install -r requirements.txt - 启动服务并指定模型：
python main.py start --model power_paint_v2 --device cuda（无独立显卡可改--device cpu，速度会慢一些） - 浏览器访问本地服务地址，上传图片，涂抹掩码，点击生成
如上图，路人被整体移除后，地面与背景纹理衔接自然。第一次运行时，模型文件会自动下载到本地模型目录，第二次启动就不用再等了。
双通道输入与动态权重：它凭什么修得自然
PowerPaint V2 的底层是 BrushNet 结构，核心改进叫条件注意力（CA），源码在 条件注意力源码。这里用两个通俗的角度解释它：
双通道输入——底片加批注。模型接收的不是一张图，而是"原图 + 掩码"两个通道：原图告诉它整幅画面长什么样，掩码则像施工图纸上的红圈，精确标出"这里要动刀，圈外不许碰"。生成时注意力机制会持续参照两个通道，所以补出来的内容既贴合周围风格，又不会误伤圈外像素。
动态权重——按区域复杂度分配算力。修复一块纯色墙面和修复一块蕾丝花纹，难度完全不同。条件注意力在计算每个位置时，会根据局部信息量动态调整"多听原图的"还是"多按掩码指令生成的"权重：纹理密集处提高生成自由度，简单区域则倾向忠实还原周边。这直接缓解了传统修复工具常见的边缘生硬、内容打架的问题。
小贴士：掩码边界就是模型的"施工边界"，涂多了会把本要保留的内容也划进施工区，结果就可能被改掉；涂少了则会留下没处理干净的残留。宁可用中号笔刷贴边多涂两圈，也不要一次性糊大面积。
分场景参数怎么调：采样步数、引导强度、边缘模糊
新手不必背参数，按下面这张表对着场景取值即可（数值按修复面积从小说到大，步数越高越精细、耗时越长）：
| 参数 | 小面积修复（小水印） | 大面积修复（背景替换） | 纹理丰富区域（布料、毛发） |
|---|---|---|---|
| 采样步数 | 15~20 | 25~40 | 20~30 |
| 引导强度 | 6~7 | 7~9 | 7~8 |
| 边缘模糊 | 1~2 | 3~5 | 2 |
| 细节增强/去噪 | 关闭 | 视情况开启 | 开启，去噪 0.3~0.4 |
规律很简单：修复面积越大、纹理越复杂，就往上取值；画面糊了先加步数，边缘生硬就加大边缘模糊。
进阶玩法：批量命令、快捷键与模板复用
日常提效的三件事合在一起说：
- 批量处理：网页端之外，
python main.py run支持整目录处理（见上文企业场景），配合--config传入 JSON 配置即可固化一套参数 - 快捷键：按
H调出快捷键面板——Ctrl+Z撤销、Ctrl+Shift+Z重做、[]调笔刷大小、按住Tab随时查看原图、Shift+R手动触发重绘、空格+拖动平移画布 - 模板复用：把"水印移除""文字消除"等高频任务的参数分别存成配置文件，下次同类任务直接套用
社区里用 PowerPaint V2 的用户反馈大多集中在效率上：有摄影爱好者说"故宫照片里的游客涂一下就没了，再也不用抠半天"；有档案工作人员提到"老照片去污渍去水印，比人工修得快，效果也更自然"；也有电商卖家表示"上百张带水印的供应商图，批量跑一遍就清完了"。
开始使用
# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/io/IOPaint # 安装依赖 cd IOPaint pip install -r requirements.txt # 启动服务，指定PowerPaint V2模型 python main.py start --model power_paint_v2 --device cuda更多功能与配置项，查阅官方 README 即可。打开网页，涂掉第一个路人，你的 AI 修图就从这一步开始。
【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
