新闻详情

新闻详情

首页 / 资讯中心 / 详情

Inpaint-web:免费浏览器图像修复与超分辨率工具,3分钟开始使用

发布时间:2026/11/12 16:08:50来源:尧图网络
Inpaint-web:免费浏览器图像修复与超分辨率工具,3分钟开始使用
Inpaint-web免费浏览器图像修复与超分辨率工具3分钟开始使用【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拍产品图时画面里多了个不想要的水印或者手头一张老照片多了几道划痕——现在可以直接在浏览器里用画笔把问题区域圈出来交给模型处理。Inpaint-web是一个免费开源的图像修复与图像高清化超分辨率工具完全运行在浏览器里不装软件、不依赖服务器打开页面就能用。30 秒零安装上手最快的方式是用官方在线 demo不需要注册打开即可体验demo 的访问地址写在了仓库 README 里。如果想本地跑源码两步就能起来git clone https://gitcode.com/GitHub_Trending/in/inpaint-web进入目录后执行npm install再执行npm run start浏览器打开本地地址即可。首次进入编辑页会下载两个模型修复模型约 30MB超分模型约 70MB。模型会缓存在浏览器本地之后访问不用重复等待。没有合适的图片手边首页内置了 bag、dog、car、bird 等 7 张示例图源码在 public/examples/点一张就能体验完整流程。去水印与元素擦除的常见场景编辑流程就三步上传图片、用画笔涂掉不想要的区域、点击修复并下载。画笔粗细可调处理结果和原图之间还有一条可拖动的分割线方便随时对照。商品图一键去水印电商运营上架产品图前常发现角落残留着素材平台的水印 logo。把 logo 圈出来模型会按周围纹理自动补全背景下载即可直接使用。首页试一试里那只粉色手提包就是官方示例原图老照片划痕、污渍修复老照片上有划痕或污渍时不必打开重量级修图软件把破损处涂掉模型会依据周围像素把缺失部分补上。整理家庭相册、处理扫描文档的场景这个粒度通常够用。模糊照片 4 倍超分辨率Inpaint-web 还内置了超分放大导入一张低分辨率图片选择高清化模型会把画面放大 4 倍边缘更清晰、纹理细节更完整。下图是界面中的前后对比分割线左侧为处理结果右侧为原图比如设计师收到素材分辨率不够、要上大幅海报时不必重新找原图跑一次 4 倍超分就能顶上。它为什么值得试图片留在本地。模型推理发生在浏览器内部图片无需上传到第三方服务器比上传—排队—处理式的在线工具更让人放心。修复与放大共用一个编辑器。两项高频处理共享同一套画布、历史和下载流程不用在两个工具间来回切。操作可回退。每次处理都计入历史撤销能回退一步原图 / 结果分割线让你先看清效果再决定是否保留。浏览器能力自动适配。前端会检测设备是否支持 WebGPU、WASM、SIMD、多线程见 src/adapters/util.ts优先用 WebGPU 加速不支持时回退到 WASM普通电脑也能跑。背后用了什么核心思路是在浏览器里跑模型用 ONNX Runtime Web 加载修复模型 MI-GAN 和放大模型 RealESRGAN-x4WebGPU 后端加速WASM 兜底。图像预处理由 opencv-tsOpenCV 的 WebAssembly 版完成两个模型的下载与缓存逻辑在 src/adapters/cache.ts。前端是 React Vite Tailwind 的单页应用中英文文案放在 messages/ 里。修复和超分的适配层分别在 src/adapters/inpainting.ts 与 src/adapters/superResolution.ts编辑画布在 src/Editor.tsx。获取方式与下一步源码免费开源用开头给的 clone 命令即可获取。README 里有 demo 链接、路线图和运行说明。路线图上还有两个值得关注的方向接入 Segment Anything实现点一下对象就擦除接入 Stable Diffusion实现图像内容替换。这两项落地后工具会从手动涂抹进一步降低门槛。普通用户建议先打开在线 demo 体验一轮有隐私要求或想二次开发的读者直接本地跑源码更稳妥——图片全程不会离开你的电脑。【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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/12 9:50:02

【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 ... 2026/11/12 9:25:38

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 2026/11/12 15:57:44

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 2026/11/13 0:02:27

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
📞 ✉