推荐两款强大的AI — CodeFormer & Lama Cleaner 及本地部署
推荐两款强大的AI — CodeFormer & Lama Cleaner 及本地部署

推荐两款强大的AI — CodeFormer & Lama Cleaner 及本地部署

给大家推荐两款我在用的强大且开源的AI图像处理工具:

  • CodeFormer ——图片/视频人脸增强,我用来修复模糊图片
  • Lama Cleaner ——删除图片中任何不需要的东西,我用来去水印 

这两个工具的GitHub项目页有安装步骤,不过在我安装过程中还是遇到了些问题。以下是我整理一遍的安装步骤,希望对大家有所帮助。

CodeFormer 部署

  • 部署运行环境

Python https://www.python.org/ 下载并安装

Git https://git-scm.com/ 下载并安装

Anaconda https://www.anaconda.com/  遇到Pip cmd不起作用,可选Anaconda来安装pytorch

PyTorch https://pytorch.org/ 页面下拉到 INSTALL PYTORCH 如图:

第一项:Stable

第二项:根据自己系统

第三项:我遇到的是Pip cmd不起作用,所以选了Conda,更具自己情况定

第四项:Python

第五项:根据CUDA版本(NVIDIA控制面板 > 帮助 > 系统信息 > 组件 ),集成显卡或非N卡选CPU

设置完成后会生成运行代码,复制它:
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

管理员运行CMD 或 Anaconda Powershell Prompt,粘贴刚复制的运行代码回车运行,Proceed ([y]/n)? 按y回车等待下载安装,耐性等待,出现三个done即安装完成。

有些小伙伴会出现下载中断是因为中国网络环境,可以重复几次上一步运行代码操作,会继续没有完成的部分,请耐心等待。实在不行可尝试科学上网,推荐Cloudflare的WARP或其Zero Trust账户。

至此运行环境安装完毕。

  • 安装CodeFormer 
克隆  git clone https://github.com/sczhou/CodeFormer
进入  CodeFormer cd CodeFormer
安装其他所需包  pip install -r requirements.txt -q
安装  python basicsr/setup.py develop

接下来下载两个基础训练模型,下载失败可根据错误提示自行下载放置:

python scripts/download_pretrained_models.py facelib
python scripts/download_pretrained_models.py CodeFormer

至此安装完毕。

  • CodeFormer 使用
进入CodeFormer
cd CodeFormer

面部修复(只修复裁切好的脸部)

python inference_codeformer.py -w 0.5 --has_aligned --input_path [image folder]|[image path]

整体图片增强

python inference_codeformer.py -w 0.7 --bg_upsampler realesrgan --input_path [image folder]|[image path] 

如:把需要修复的图片放到D:\before

python inference_codeformer.py -w 0.5 --has_aligned --input_path D:\before
面部修复-效果如下图:

python inference_codeformer.py -w 0.7 --bg_upsampler realesrgan --input_path D:\before
整体图片增强-效果如下图:

处理后导出的图片位置 Users\CodeFormer\results\

我多用整体图片增强,更多功能如脸部着色、视频增强及其他参数设置请参考CodeFormer项目页

如果觉得CodeFormer部署到本地太麻烦的话,在这里推荐一个网站:Replicate,一个在线运行开源学习模型的网站。里面有CodeFormer,登录你的Github账户就可以免费在线处理。当然有一定的限制,如处理数量、导出尺寸等。

Lama Cleaner部署

接下来的Lama Cleaner安装相对简单了,因为上述已经安装好运行环境。

安装  pip install lama-cleaner 

运行(独立N卡可CUDA模式): 

CPU模式  lama-cleaner --model=lama --device=cpu --port=8080
CUDA模式  lama-cleaner --model=lama --device=cuda --port=8080

运行后打开浏览器访问 http://localhost:8080 即可看到界面了。

去水印效果很棒:

Lama Cleaner支持有多种模型和插件,在界面右上角设置里可选择,选择后会自动下载模型,更多模型与插件参考 https://lama-cleaner-docs.vercel.app/

5条评论

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注