免费开源的图片修复工具Lama Cleaner
什么是 Lama Cleaner ？
Lama Cleaner是由SOTA AI模型提供支持的图像修复工具。可以从图片中移除任何不需要的物体、缺陷和人，或者擦除并替换（powered by stable diffusion）图片上的任何东西。
看看官方提供的视频，应该比较容易理解其功能
Lama Cleaner 0.24.0 示例
其实主要功能就 3 项：
- 删除图像上不需要的东西；
- 修复旧照片；
- 替换图片上的东西；
Lama Cleaner 分为 GPU 版本和 CPU 版本，这两个版本的体积相差巨大，老苏猜测CPU 版本应该是个精简版，没有内置 stable diffusion，因此是不支持替换功能的，能否修复旧照片，老苏没试，因为手上没有
GPU 版本的要求最起码应该是要有Nvidia 显卡的，具体型号老苏没用过也不懂，反正老苏的小机器上只有集显，也就只能选择 CPU 版随便玩玩
cuda11.6pytorch1.12.1minimum nvidia driver 510.39.01+
CPU 版镜像下载后大约是 2G,GPU 版保守估计 10G，大家要留好空间
安装
在群晖上以 Docker 方式安装。
在注册表中搜索 lama-cleaner ，选择第二个 cwq1913/lama-cleaner，版本老苏选的是 cpu-0.26.1
如果你的机器有
Nvidia显卡，可以试试gpu的版本
卷
在 docker 文件夹中，创建一个新文件夹 lama，并在其中建两个子文件夹，分别是 huggingface_cache 和 torch_cache
| 文件夹 | 装载路径 | 说明 |
|---|---|---|
docker/lama/huggingface_cache |
/root/.cache/huggingface |
存放 sd1.5 模型 |
docker/lama/torch_cache |
/root/.cache/torch |
存放 lama/ldm/zits/mat/fcf 模型 |
对于
stable-diffusion 1.5模型，您需要接受访问条款，并获取access token，具体方法请自行研究官方文档，因为cpu版本不涉及这个模型的下载和使用；
端口
本地端口不冲突就行，不确定的话可以用命令查一下
# 查看端口占用
netstat -tunlp | grep 端口号
| 本地端口 | 容器端口 |
|---|---|
8184 |
8184 |
默认的容器端口是 8080
可以通过命令行修改，这里老苏用了 8184
环境
没有用到环境变量，但是用了命令行，这个我们之前说过，命令行只有第一次生效，所以别忘记了，因为我们前面改了容器端口
在 命令 中输入
lama-cleaner --device cpu --port 8184 --host 0.0.0.0
命令行安装
如果你熟悉命令行，可能用 docker cli 更快捷
# 新建文件夹 lama 和 子目录
mkdir -p /volume2/docker/lama/{huggingface_cache,torch_cache}
# 进入 lama 目录
cd /volume2/docker/lama
# 运行容器
docker run -d \
--restart unless-stopped \
--name lama-cleaner \
-p 8184:8184 \
-v $(pwd)/torch_cache:/root/.cache/torch \
-v $(pwd)/huggingface_cache:/root/.cache/huggingface \
cwq1913/lama-cleaner:cpu-0.26.1 \
lama-cleaner --device=cpu --port=8184 --host=0.0.0.0
也可以用 docker-compose 安装，将下面的内容保存为 docker-compose.yml 文件
version: '3'
services:
lamecleaner:
image: cwq1913/lama-cleaner:cpu-0.26.1
container_name: lama-cleaner
restart: unless-stopped
ports:
- 8184:8184
volumes:
- ./torch_cache:/root/.cache/torch
- ./huggingface_cache:/root/.cache/huggingface
command: lama-cleaner --device=cpu --port=8184 --host=0.0.0.0
换一种 command 写法也是可以的
command:
- lama-cleaner
- --device=cpu
- --port=8184
- --host=0.0.0.0
还可以写成
command: ["lama-cleaner", "--device=cpu", "--port=8184", "--host=0.0.0.0"]
老苏之所以跟研究茴香豆的“茴”字到底有几种写法一样研究
command的写法，是因为几种安装方式都存在差异，尤其是图形化安装时，因为写了=号导致容器一直起不来，总是隔一段时间就忘记，真是受不了自己；
然后执行下面的命令
# 新建文件夹 lama 和 子目录
mkdir -p /volume2/docker/lama/{huggingface_cache,torch_cache}
# 进入 lama 目录
cd /volume2/docker/lama
# 将 docker-compose.yml 放入当前目录
# 一键启动
docker-compose up -d
运行
第一次启动失败了，从日志看，需要下载 Downloading: "https://github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt" to /root/.cache/torch/hub/checkpoints/big-lama.pt
所以第一种方法是将 github.com 加入科学上网的白名单，再次启动容器就开始下载了
看到 * Running on http://0.0.0.0:8184/ (Press CTRL+C to quit) ，就可以开始使用了
下载的 big-lama.pt 在 /docker/lama/torch_cache/hub/checkpoints 目录中
所以第二种方式是，如果你的群晖不能科学上网的话，你可以借助 ghproxy，直接下载这个模型文件丢到上面的目录中
# 通过代理下载模型文件的地址
https://ghproxy.com/github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt
当然这是 CPU 版，需要的模型比较少，如果是GPU 版的话，估计模型会更多，注意看日志吧
使用
在浏览器中输入 http://群晖IP:8184 就能看到主界面
老苏随便选了一张，准备把中间的小刺猬抹掉
这个效果怎么样？
对比原始图看看，灯是被遮挡了的缘故，所以是无法还原的，远处的云和山不放大看细节，还原度还是可以的，起码不会一眼穿帮吧
参考文档
Sanster/lama-cleaner: Image 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.
地址：https://github.com/Sanster/lama-cleaner