AI ツール Lama Cleaner を使用して、ワンクリックで写真内の透かし、文字、背景、その他のコンテンツを削除します
序文
- 私のレベルが限られているため、間違いや漏れがあることは避けられませんが、批判と修正をお願いします。
- さらにエキサイティングなコンテンツについては、クリックしてYOLOシリーズのコラム、自然言語処理の
コラム、または私の個人ホームページに入ってご覧ください。- YOLOv5: SE、CBAM、CoordAtt、ECA アテンション メカニズムを追加
- YOLOv5: yolov5s.yaml 構成ファイルの解釈、小さなターゲット検出レイヤーの追加
- YOLOv5:イオウ、ジオウ、ディオウ、シオウ、エイオウ
- YOLOv7 は独自のデータセットをトレーニングします (マスク検出)
- YOLOv8 は独自のデータセット (サッカー検出) をトレーニングします
- Jetson Nano で遊ぶ (5): TensorRT は YOLOv5 ターゲット検出を加速します
- YOLOv5: バージョン 7.0 を使用して、独自のインスタンス セグメンテーション モデル (車両、歩行者、道路標識、車線などのインスタンス セグメンテーション) をトレーニングします。
- Python は、COCO 形式のインスタンス セグメンテーション データセットを YOLO 形式のインスタンス セグメンテーション データセットに変換します。
- DETR に基づく顔のなりすまし検出
- Kaggle GPU リソースを使用して、Stable Diffusion オープンソース プロジェクトを無料で体験してください
- YOLOv5: TensorRT は YOLOv5 モデル推論を加速します
前提条件
- Pythonに精通している
関連紹介
- Python はクロスプラットフォームのコンピューター プログラミング言語です。これは、解釈可能性、コンパイル性、対話性、およびオブジェクト指向を組み合わせた高レベルのスクリプト言語です。元々は自動化スクリプト (シェル) を記述するために設計されましたが、バージョンが継続的に更新され、新しい言語機能が追加されるにつれて、独立した大規模プロジェクトの開発に使用されることが増えています。
- PyTorch はディープ ラーニング フレームワークであり、多くのネットワークおよびディープ ラーニング関連のツールをカプセル化しており、それらを 1 つずつ作成するのではなく、呼び出すことができます。CPU版とGPU版に分かれており、その他のフレームワークとしてはTensorFlowやCaffeなどがあります。PyTorch は、Torch に基づいて Facebook Artificial Intelligence Research Institute (FAIR) によって開始され、次の 2 つの高度な機能を提供する Python ベースの持続可能なコンピューティング パッケージです: 1. 強力な GPU アクセラレーション (NumPy など) を備えた Tensor コンピューティング、2. 自動微分ディープニューラルネットワークを構築する際の仕組み。
- Lama Cleaner は完全に無料で、解像度制限のないオープンソースの画像削除および修復ツールです。Lama Cleaner にはさまざまな AI モデル構築が組み込まれており、機能は非常に充実しています。画像内のさまざまな透かし、項目、文字、フォント、その他のコンテンツをすばやく削除するために使用できます。
ラマクリーナー
- プロジェクトアドレス: https://github.com/Sanster/lama-cleaner.git
環境要件
- トーチ>=1.9.0
- opencv-python
- フラスコ==2.2.3
- フラスコソケット
- シンプルなウェブソケット
- flask_cors
- flaskwebgui==0.3.5
- 卑劣な
- リッチ
- 窓
- ヤックス
- ディフューザー==0.16.1
- 変圧器==4.27.4
- 建てられた
- piexif==1.1.3
- セーフティテンサー
- オメガコンフ
- controlnet-aux==0.0.3
Lama クリーナーをインストールする
- pip をインストールする前に、Python 環境をインストールする必要があります
pip install lama-cleaner
或者
pip install lama-cleaner -i https://pypi.tuna.tsinghua.edu.cn/simple # 使用国内镜像源,下载速度更快。
ラマクリーナーを開始する
CPUモードで起動する
lama-cleaner --model=lama --device=cpu --port=8080
GPUモード開始
## 本机浏览
lama-cleaner --model=lama --device=cuda --port=8080 --model-dir E:\mytest\lama_cleaner\weight
## 局域网内浏览
lama-cleaner --model=lama --device=cuda --port=8080 --model-dir E:\mytest\lama_cleaner\weight --host 0.0.0.0
ラマクリーナーを使用する
- ブラウザで URL を開きます。
http://IP地址:8080
試験結果
NO.1 検出枠
- 元の画像を開く
- マウスを押したままにして、画像内のコンテンツを削除します (黄色のトラック)
- レンダリング
NO.2 水印
- 元の画像を開く
- マウスを押したままにして、画像内のコンテンツを削除します (黄色のトラック)
- レンダリング
NO.3 カントンタワー
-
元の画像を開く
-
マウスを押したままにして、画像内のコンテンツを削除します (黄色のトラック)
-
レンダリング
NO.4 キャラクター背景
-
元の画像を開く
-
マウスを押したままにして、画像内のコンテンツを削除します (黄色のトラック)
-
レンダリング
参考
[1] https://github.com/Sanster/lama-cleaner.git
- 私のレベルが限られているため、間違いや漏れがあることは避けられませんが、批判と修正をお願いします。
- さらにエキサイティングなコンテンツについては、クリックしてYOLOシリーズのコラム、自然言語処理の
コラム、または私の個人ホームページに入ってご覧ください。- YOLOv5: SE、CBAM、CoordAtt、ECA アテンション メカニズムを追加
- YOLOv5: yolov5s.yaml 構成ファイルの解釈、小さなターゲット検出レイヤーの追加
- YOLOv5:イオウ、ジオウ、ディオウ、シオウ、エイオウ
- YOLOv7 は独自のデータセットをトレーニングします (マスク検出)
- YOLOv8 は独自のデータセット (サッカー検出) をトレーニングします
- Jetson Nano で遊ぶ (5): TensorRT は YOLOv5 ターゲット検出を加速します
- YOLOv5: バージョン 7.0 を使用して、独自のインスタンス セグメンテーション モデル (車両、歩行者、道路標識、車線などのインスタンス セグメンテーション) をトレーニングします。
- Python は、COCO 形式のインスタンス セグメンテーション データセットを YOLO 形式のインスタンス セグメンテーション データセットに変換します。
- DETR に基づく顔のなりすまし検出
- Kaggle GPU リソースを使用して、Stable Diffusion オープンソース プロジェクトを無料で体験してください
- YOLOv5: TensorRT は YOLOv5 モデル推論を加速します