新闻详情

新闻详情

首页 / 资讯中心 / 详情

3分钟上手 Inpaint-web:免费开源的浏览器端图像修复与超分辨率工具

发布时间:2026/11/15 23:17:37来源:尧图网络
3分钟上手 Inpaint-web:免费开源的浏览器端图像修复与超分辨率工具
3分钟上手 Inpaint-web免费开源的浏览器端图像修复与超分辨率工具【免费下载链接】inpaint-webA free and open-source inpainting image-upscaling tool powered by webgpu and wasm on the browser。| 基于 Webgpu 技术和 wasm 技术的免费开源 inpainting image-upscaling 工具, 纯浏览器端实现。项目地址: https://gitcode.com/GitHub_Trending/in/inpaint-web照片里有路人在挡视线、角落的水印怎么都抠不干净、产品图拍糊了又需要放大展示这类需求通常只能找装好的修图软件或者把图片上传到在线服务处理。Inpaint-web 是一款免费开源的图像修复与图像超分辨率工具它基于 WebGPU浏览器里的 GPU 加速技术和 Wasm让浏览器运行原生速度代码的技术纯端侧实现不用安装软件图片也不用离开你的电脑打开网页就能开始修图。场景切入两个最常用的修图时刻不上传图片去掉照片里的路人或水印 ️拍风景时总有路人抢镜商品图上也常残留不想出现的标记。在 Inpaint-web 里你只需要用画笔把目标区域涂一遍点击擦除背景就会自动补全。处理全程在你的设备本地完成图片不会上传到任何服务器。把拍糊的产品图、老照片变清晰电商主图、旧照片经常分辨率不够直接放大又很模糊。Inpaint-web 可以把图片放大 4 倍同时重建细节让模糊的图重新变得清晰可用。功能拆解两个核心能力各自怎么用图像修复画笔遮罩 一键擦除效果上涂抹、擦除、撤销、下载都够用涂错了一块可以随时撤销修完直接下载成品。原理一句话带过你的图片和涂抹的遮罩一起喂给跑在浏览器里的 ONNX 推理引擎模型根据周围像素自动合成被擦除区域。适合谁用给电商卖家修产品图、给个人照片去杂物以及任何不想把图交给第三方的场景都可以试试。图像超分辨率4 倍放大进度条看着细节长出来 ✨效果上一张低分辨率图会被放大到 4 倍尺寸过程中有进度条提示完成后直接下载。原理一句话大图被切成小块逐块送进超分模型做 4 倍重建再拼回完整大图进度条就是切块的完成比例。适合谁用手里只有小图、低清截图、旧照片又需要放大印刷或放大的读者。Inpaint-web 快速上手四步启动本地图像修复 克隆仓库到本地git clone https://gitcode.com/GitHub_Trending/in/inpaint-web进入目录并安装依赖首次会自动编译多语言文案cd inpaint-web npm install启动本地开发服务器npm run start在浏览器打开http://localhost:5173即可开始修图。注意首次使用会联网下载一次模型文件修复模型约 30MB、超分模型约 70MB之后会缓存在浏览器里无需重复下载。纯前端图像处理隐私与性能亮点图片不出本地整个项目没有后端照片从打开到导出都在浏览器内完成对隐私敏感的照片证件、客户素材尤其友好。自动挑最快的跑法代码会先探测设备能力支持 WebGPU 就走 GPU 推理不支持则回退到 Wasm 多线程 SIMD 加速具体逻辑可以看 src/adapters/ 目录下的 inpainting.ts 与 superResolution.ts。开源且可二改项目采用 GPL v3 协议开源界面支持中英文一键切换想加功能或换模型的读者可以直接改源码部署自己的版本。自己动手试试项目完全开源克隆下来npm install再npm run start就能在自己电脑上跑起一套浏览器端图像修复加 4 倍超分的工具。仓库里 public/examples/ 备好了几张示例图建议先拿它们练手熟练后再换成自己的照片。【免费下载链接】inpaint-webA free and open-source inpainting image-upscaling tool powered by webgpu and wasm on the browser。| 基于 Webgpu 技术和 wasm 技术的免费开源 inpainting image-upscaling 工具, 纯浏览器端实现。项目地址: https://gitcode.com/GitHub_Trending/in/inpaint-web创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉