AI图像修复

FLUX.1-dev-Controlnet-Inpainting-Beta是由阿里妈妈创意团队开发的一个图像修复模型，该模型在图像修复领域具有显著的改进，支持1024x1024分辨率的直接处理和生成，无需额外的放大步骤，提供更高质量和更详细的输出结果。模型经过微调，能够捕捉和再现修复区域的更多细节，并通过增强的提示解释提供对生成内容的更精确控制。

FLUX.1-dev-Controlnet-Inpainting-Alpha是由AlimamaCreative Team发布的AI图像修复模型，专门用于修复和填补图像中的缺失或损坏部分。该模型在768x768分辨率下表现最佳，能够实现高质量的图像修复。作为alpha版本，它展示了在图像修复领域的先进技术，并且随着进一步的训练和优化，预计将提供更加卓越的性能。

FLUX-Controlnet-Inpainting 是由阿里妈妈创意团队发布的基于FLUX.1-dev模型的图像修复工具。该工具利用深度学习技术对图像进行修复，填补缺失部分，适用于图像编辑和增强。它在768x768分辨率下表现最佳，能够提供高质量的图像修复效果。目前该工具处于alpha测试阶段，未来将推出更新版本。

Fai-Fuzer是一个基于AI技术的图像编辑工具，它能够通过先进的控制网络技术，实现对图像的精确编辑和控制。该工具的主要优点在于其高度的灵活性和精确性，可以广泛应用于图像修复、美化以及创意编辑等领域。

Diffree是一个基于文本引导的图像修复模型，它能够通过文本描述来添加新对象到图像中，同时保持背景的一致性、空间适宜性和对象的相关性和质量。该模型通过训练在OABench数据集上，使用稳定扩散模型和额外的掩码预测模块，能够独特地预测新对象的位置，实现仅通过文本指导的对象添加。

Diffuse to Choose 是一种基于扩散的图像修复模型，主要用于虚拟试穿场景。它能够在修复图像时保留参考物品的细节，并且能够进行准确的语义操作。通过将参考图像的细节特征直接融入主要扩散模型的潜在特征图中，并结合感知损失来进一步保留参考物品的细节，该模型在快速推理和高保真细节方面取得了良好的平衡。

SUPIR是一种开创性的图像修复方法，利用生成先验和模型扩展的力量。利用多模态技术和先进的生成先验，SUPIR在智能和逼真的图像修复方面取得了重大进展。作为SUPIR内的关键催化剂，模型扩展显著增强了其能力，并展示了图像修复的新潜力。我们收集了一个包含2000万高分辨率、高质量图像的数据集进行模型训练，每个图像都附有描述性文本注释。SUPIR能够根据文本提示修复图像，拓宽了其应用范围和潜力。此外，我们引入了负质量提示以进一步提高感知质量。我们还开发了一种修复引导采样方法，以抑制生成式修复中遇到的保真度问题。实验证明了SUPIR出色的修复效果及其通过文本提示操控修复的新能力。

ControlNet-HandRefiner-pruned模型是对HandRefiner模型进行剪枝压缩处理后的fp16版本,可以更快速地进行手部图像修复。该模型采用弥散模型进行条件性图像补全,可以精确修复手部图像中的缺失或畸形部分。该模型压缩率高,inference速度快,非常适合在资源受限的环境下,仍然进行高质量手部图像修复。

本文提出了一种简单有效的个性化图像复原方法,名为双枢纽调谐。该方法包含两个步骤:1) 通过微调条件性生成模型来利用编码器中的条件信息进行个性化;2) 固定生成模型,调节编码器的参数以适应强化的个性化先验。这可以生成保留个性化面部特征以及图像退化属性的自然图像。实验证明,与非个性化方法相比,该方法可以生成更高保真度的面部图像。

Inpaint_wechat是基于微信AI能力的小程序，实现了图片选定区域的消除修复功能，纯客户端实现，无服务端。产品定位为提供便捷的图片修复解决方案，无需额外的服务器支持。

CodeFormer是一个基于 Transformer 的预测网络，用于图片马赛克恢复。通过学习离散码本和解码器，它能够减少恢复映射的不确定性，生成高质量人脸。它具有优秀的抗退化鲁棒性，适用于合成数据集和真实数据集。

Lama Cleaner 是一个免费、开源的 AI 图像修复工具，基于最先进的 AI 模型。它可以删除图片中的任何不需要的物体、瑕疵或人物，也可以擦除和替换图片中的任何物体。该工具支持 CPU、GPU 和 M1/2，并提供多种 SOTA AI 模型可供选择。

RealFill是一种图像补全的生成模型，通过使用少量场景的参考图像，能够填充图像中的缺失区域，并生成与原始场景相符的视觉内容。RealFill通过在参考图像和目标图像上微调预训练的图像补全扩散模型来创建个性化的生成模型。该模型不仅保持了良好的图像先验，还学习了输入图像中的内容、光照和风格。然后，我们使用这个微调后的模型通过标准的扩散采样过程来填充目标图像中的缺失区域。RealFill在一个包含多种复杂场景的新的图像补全基准测试中进行了评估，并发现其在性能上大大优于现有方法。

DA-CLIP是一种降级感知的视觉语言模型，可用作图像恢复的通用框架。它通过训练一个额外的控制器，使固定的CLIP图像编码器能够预测高质量的特征嵌入，并将其整合到图像恢复网络中，从而学习高保真度的图像重建。控制器本身还会输出与输入的真实损坏匹配的降级特征，为不同的降级类型提供自然的分类器。DA-CLIP还使用混合降级数据集进行训练，提高了特定降级和统一图像恢复任务的性能。

PGDiff是一个多功能的面部恢复框架，适用于广泛的面部恢复任务，包括盲恢复、上色、修补、基于参考的恢复、旧照片恢复等。它使用指导扩散模型，通过部分指导来实现面部恢复。PGDiff的优势在于它的多功能性和适用性，可以应用于多种面部恢复任务。

DiffBIR 是一种基于生成扩散先验的盲图像恢复模型。它通过两个阶段的处理来去除图像的退化，并细化图像的细节。DiffBIR 的优势在于提供高质量的图像恢复结果，并且具有灵活的参数设置，可以在保真度和质量之间进行权衡。该模型的使用是免费的。

GFPGAN是一个实用的面部修复算法，可用于修复老照片或生成人脸。该算法具有更好的质量和更多的细节，可用于身份识别。该模型在Nvidia T4 GPU硬件上运行，预测通常在17秒内完成。如果GFPGAN对您有帮助，请为Github Repo点赞并向您的朋友推荐。

Inst-Inpaint是一种图像修复算法，可以根据自然语言输入估计要删除的对象并同时删除它。该产品提供了一个名为GQA-Inpaint的数据集，以及一种名为Inst-Inpaint的新型修复框架，可以根据文本提示从图像中删除对象。该产品提供了各种GAN和扩散基线，并在合成和真实图像数据集上运行实验。该产品提供了不同的评估指标，以衡量模型的质量和准确性，并显示出显著的定量和定性改进。

照片修复是一个免费的AI修复服务，可以修复老照片中的模糊和损坏问题。通过几个简单的步骤，我们先进的算法可以修复最模糊和褪色的照片，让您拥有清晰高质量的图像，让您引以为豪。我们理解保护珍贵回忆的重要性，因此我们使用最先进的技术来修复您的老照片，确保它们经得起时间的考验。此外，我们注重您的隐私和个人信息的安全，您可以放心地相信我们保护您的图像数据。不要让珍贵的回忆逐渐消逝-立即尝试照片修复，恢复让您一生珍藏的照片。