Lama Cleaner
定义
Lama Cleaner 是一个基于深度学习模型的开源图像修复工具，其核心功能是图像修复(image inpainting)，即根据周围像素推断并填充图像中被遮挡或缺失的部分[2]。使用时，用户在网页界面中用画笔在待处理区域上涂抹以生成掩码(mask)，再交由后台模型完成填补，可移除照片中的人物、文字、水印与缺陷，也可用于老照片修复[1]。项目以 Python 包形式通过 pip 分发，安装后以本地 Web 服务的形式在浏览器中操作，默认端口为 8080[1]。
整体上，它把多项学术界的修复模型整合进统一的交互界面，并以完全免费、完全自托管为特点，模型在首次运行时自动下载到本地[1]。
原理
工具的输入由三部分组成：原图、掩码以及模型选择。掩码可由画笔手工涂抹得到，也可借助分割模型自动生成；后台将这三者送入所选的修复网络，输出与原图尺寸一致的填补结果[2]。默认模型为 LaMa，其网络使用快速傅里叶卷积(Fast Fourier Convolution，FFC)，使每一层都具有覆盖整幅图像的感受野，配合大掩码训练与高感受野感知损失，可以在大面积缺失和高分辨率场景下保持结构连贯[5]。
除 LaMa 外，工具还提供 LDM、ZITS、MAT、FcF、Manga 等擦除模型，以及基于 Stable Diffusion 的擦除替换模型与 Paint by Example 模型；前者适合在高分辨率上泛化，后者可通过文本提示重建被擦除区域的内容[1][2]。
为平衡显存与速度，工具提供原图、缩放、裁剪三种修复策略：按原图分辨率推理质量最高但显存占用大，先裁剪出掩码区域再推理则显存需求最低、速度最快[6]。后处理环节可挂载插件，例如去背景、超分辨率与人脸修复模型，这些步骤在修复完成后依次作用在结果图上[2]。
发展历程
项目由开发者 Sanster 发布，早期名称即 lama-cleaner，取自其默认使用的 LaMa 模型[7]。LaMa 方法本身在 2021 年 9 月公开于预印本平台，并于 2022 年发表于计算机视觉应用冬季会议(WACV)，作者为 Roman Suvorov 等人[8][9]。
2023 年 4 月，项目发布 1.0.0 版本，加入插件机制、基于 Stable Diffusion 的 ControlNet 修复以及本地模型加载等功能[10]。随后作者对前后端代码进行重写，前端改用 Vite、tailwindcss 与 zustand，后端改用 FastAPI 与 typer，项目更名为 IOPaint，并新增批量处理命令、图像外扩、LCM Lora 等功能[11]。
更名后旧的 lama-cleaner 安装包不再更新，命令行入口由 lama-cleaner 改为 iopaint[12]。IOPaint 的代码仓库由作者于 2025 年 8 月 13 日归档，转为只读状态[3][4]。
应用
主要用途是图像清理：删除照片中多余的物体、路人、文字与水印，修补老旧照片的破损与划痕，以及擦除漫画中的对话气泡[1]。配合 Stable Diffusion 一类的扩散模型时，还能在擦除区域内按文本提示生成新内容，实现对象替换与局部重绘[6]。
在交互之外，用户可通过命令行参数指定模型、设备与端口启动服务，也可以借助 Docker 镜像部署；后端本身为 Web 服务，便于与其他图像处理流程对接[1]。更名后的 IOPaint 增加了批量处理子命令，可对文件夹内的图像按掩码文件夹统一处理，用于成规模的图像修复任务[13]。
局限
修复质量与硬件相关。在不具备独立显卡的设备上以 CPU 推理速度较慢，要获得较好的修补效果一般需要 GPU 支持。模型文件体积较大，首次运行需从网络下载，网络不稳时可能下载失败，需要手动放置模型文件[6]。
不同模型各有约束：FcF 只支持 512×512 的固定尺寸输入，LDM 结果细节更多但比 LaMa 慢且需要更多显存，ZITS 的线框模块在 CPU 上运行很慢[1]。基于扩散模型的擦除替换需要更多显存与计算时间，参数调整不当会带来速度与质量之间的取舍。
此外，工具对掩码的依赖较强，修补结果取决于用户圈定的范围；在结构复杂或纹理重复的场景中，生成内容可能与原图不协调，需要人工重试或更换模型。项目及其后继 IOPaint 均已停止由原作者继续维护，后续不再有版本更新与缺陷修复[4][12]。
参见
-
图像修复 —— 本工具所实现的核心任务。
-
LaMa —— 工具默认采用的大掩码修复模型。
-
Stable Diffusion —— 用于擦除替换与外扩功能的扩散模型。
-
IOPaint —— 由本项目重构更名而来的后继工具。
-
Segment Anything —— 可作为插件提供交互式对象分割以生成掩码。
-
Real-ESRGAN —— 可作为后处理插件提供超分辨率能力。
参考资料
- lama-cleaner [引用日期2026-10-29]
- README [引用日期2026-10-29]
- Releases · Sanster/IOPaint [引用日期2026-10-29]
- lamacleaner [引用日期2026-10-29]
- thecvf.com 上的网页 [引用日期2026-10-29]
- lama-cleaner [引用日期2026-10-29]
- 绿联NAS私有云社区 [引用日期2026-10-29]
- arxiv.org 上的网页 [引用日期2026-10-29]
- 1B13QWD7GbS [引用日期2026-10-29]
- mygit.top 上的网页 [引用日期2026-10-29]
- iopaint-1.0 [引用日期2026-10-29]
- Remove Watermark AI: Install IOPaint v1.6.0 (Self-Hosted) [引用日期2026-10-29]
- lama-cleaner [引用日期2026-10-29]