LaMa 图像修复完整指南：从安装到出图的大掩码修复实践

LaMa 图像修复完整指南：从安装到出图的大掩码修复实践

【免费下载链接】lama🦙 LaMa Image Inpainting, Resolution-robust Large Mask Inpainting with Fourier Convolutions, WACV 2022项目地址: https://gitcode.com/GitHub_Trending/la/lama

LaMa 图像修复是一个开源项目，专门处理图片中大面积缺损的自动补全：你只需给一张原图和一张掩码（白色标出要消除区域、其余为黑色的同尺寸图），它就能把缺口自然地填上。做水印去除、路人消除、素材修复的工程师，都能直接拿它上手。

LaMa 是什么：大掩码图像修复的一句话定位

LaMa 是一个只训练在 256×256 上、却能稳定修复约 2K 分辨率图像的开源模型，发表于 WACV 2022。

"大掩码"指的是被消除的区域可以非常大。官方 thick 掩码配置里，单张图的掩码面积上限就是整张图的 50%（max_tamper_area: 0.5）。普通修复模型处理这种大洞会糊掉，LaMa 的核心卖点就是这类场景。

上图是项目仓库自带的一张高分辨率示例图。LaMa 对这类远超训练分辨率的输入仍然能正常修复，这是 README 里明确标注的特性。

⚡ LaMa 快速上手指南：从安装到出图的最短路径

整个流程四步：克隆仓库、装依赖、放模型、跑推理。

第 1 步：克隆仓库

git clone https://gitcode.com/GitHub_Trending/la/lama

第 2 步：装依赖（以 Python 虚拟环境为例）

# 先装指定版本 PyTorch，再装项目其余依赖 pip install torch==1.8.0 torchvision==0.9.0 pip install -r requirements.txt

也可以用 Conda：conda env create -f conda_env.yml。更省事的方式是用官方 Docker 镜像，见 docker/ 目录。

第 3 步：下载模型

按 README.md 里的说明下载 big-lama 预训练模型（官方最强权重，基于 Places2 + Places Challenge 训练），解压到项目根目录，得到big-lama文件夹。

第 4 步：准备数据并出图

把原图和掩码放在同一文件夹，掩码文件命名成[图片名]_mask[编号][后缀]，例如cat.png配cat_mask001.png。后缀名要在 configs/prediction/default.yaml 里改img_suffix。然后运行：

# 运行推理：模型路径 + 输入目录 + 输出目录 export TORCH_HOME=$(pwd) && export PYTHONPATH=$(pwd) python3 bin/predict.py model.path=$(pwd)/big-lama indir=$(pwd)/input outdir=$(pwd)/output

输出目录里会生成修复后的图片。想要更平滑的高清结果，在命令后追加refine=True开启二次精修。

原理一句话讲透：傅里叶卷积如何看懂整张图

一句话：普通卷积像只看得见手边一小块的修补匠，傅里叶卷积像能听全曲谱的调音师，它先看图的全局，再修局部。

把一张图想成一首歌。普通卷积一次只能听相邻几个音，窟窿一大，它手里没有足够的"旋律信息"，只能瞎补。傅里叶卷积先把图拆解成"频率域的和弦"：低频是和弦走向（整体布局、明暗分布），高频是吉他泛音（纹理、边缘细节）。它在频率域上直接改写这些"音符"，再还原回图片，所以即使半个图都空了，它依然握着全局上下文。

实现可以看 ffc.py 里的 FFC 模块。在 big-lama.yaml 中，生成器的残差块把 75% 的通道（ratio_gin: 0.75）放在全局频率域里运算，这就是它对大掩码稳定的来源。

损失函数也值得知道一句：感知损失是拿"人眼看着像不像"来衡量、而不是逐像素比数字的损失。LaMa 同时用了 L1（只约束已知区域，权重 10）、特征匹配（权重 100）、ResNet 感知损失（权重 30）和 GAN 对抗损失（r1，权重 10），分别管保真、结构、观感和真实感。

上图展示了仓库中分割掩码的生成效果：颜色越丰富的区域，说明掩码生成器对图内结构识别得越细。训练时的随机掩码就是按这类方式批量造出来的。

🎛 实用调参技巧：分辨率、掩码大小与 batch size 具体数值

建议先跑通默认配置，再按下面三处微调。

分辨率怎么定

训练分辨率固定 256×256，推理不限。默认推理会自动把图像边长补到 8 的倍数（pad_out_to_modulo: 8）。开启精修时，default.yaml 里px_budget: 1800000表示精修会把图像缩放到"高×宽 ≤ 180 万像素"（约 1342×1342），最多 3 个尺度、每尺度 15 次迭代。你的图小于这个值就保持原尺寸；超过 2K 的图，建议先缩到 2K 再送进去，显存和耗时都更友好。

掩码大小怎么选

掩码有三档预设，在 configs/data_gen/ 下：random_thin_*（细窄）、random_medium_*（中等）、random_thick_*（大块），各有 256/512 两种尺寸。粗看差别：thick 的块状掩码最大边长 300px、面积可占到 50%，适合消除大物体；thin 更细碎，适合去线、去水印。生成掩码用：

# 训练时用命令行覆盖配置，把 batch size 调成 4 python3 bin/train.py -cn lama-fourier location=my_dataset data.batch_size=4

batch size 与显存

官方训练配置默认batch_size: 10，对应 256 分辨率。如果你换 512 分辨率训练，或显存只有 8GB，建议从 2~4 起步，再逐步上调。总训练轮数默认 40 个 epoch，自动保留 val 指标最好的 5 个 checkpoint（见 trainer 配置）。默认精度是 32 位，显存紧张时可以把配置里的precision改成 16 开混合精度。

上图是仓库中掩码生成流程的内存占用曲线，峰值约 250MB。也就是说造掩码这一步本身不吃内存，瓶颈在后面的训练和推理。

🧩 生态与周边工具：基于 LaMa 图像修复的第三方项目

LaMa 是模型层，社区在它上面长出了不少开箱即用的工具。挑 4 个常见的：

手画掩码嫌麻烦的话，Inpaint-Anything 这类"先分割、后修复"的组合最省事。

小结：下一步建议

建议你先下载 big-lama 权重，用自己的 3~5 张图把上面的推理命令跑通，这是成本最低的体验方式。效果不满意时，优先加refine=True开精修，再调掩码大小。如果你的业务集中在人脸或某一类场景，可以用 CelebA-HQ 数据按lama-fourier-celeba配置微调一个专用模型。

【免费下载链接】lama🦙 LaMa Image Inpainting, Resolution-robust Large Mask Inpainting with Fourier Convolutions, WACV 2022项目地址: https://gitcode.com/GitHub_Trending/la/lama