Lama Cleaner是一个免费的、开源的、完全自托管的修复工具，里面提供了很多最前沿的AIGC模型。可以使用它从图片中删除任何不需要的物体、缺陷、人物，或删除和替换图片上的任何内容。本文章详细介绍了该工具的所有功能，并体验了下每个功能的实际效果。

一 安装

# pip直接安装
pip install lama-cleaner

本文安装时版本更新到1.2.5

二 Paint By Example图像物体插入

github：https://github.com/Fantasy-Studio/Paint-by-Example

paper：Paint by Example: Exemplar-based Image Editing with Diffusion Models
因为需要的数据集无法构建，提出替代方案，用一张图的检测框作为mask，框里面的图就是参考图。把参考图里面的目标还原回原始图里。把还原回来的图和真实的原图做损失计算。
为了保证该方法不偷懒，直接学复制粘贴操作。分别提出下面两点创新：
利用预训练的SD作初始化，把参考图提取特征后只保留CLS的token,再通过Cross Attention的方式，加上一些额外的全连接层到扩散过程中去解码特征。避免图像特征给多了让神经网络偷懒。
参考图做数据增强，（反转，平移等），检测框的mask形状做更多的随机调整，模拟真实性。

下面的操作就是先是选定两张图片，一张为要放置物体的原图（该原图要涂要添加物体的区域），另外一张为物体图像(将图片中的物体放在第一张图片的指定区域）


自动下载模型的指令

lama-cleaner --model=paint_by_example --device=cuda --port=8080

手动下载模型的指令
把https://huggingface.co/Fantasy-Studio/Paint-by-Example/tree/main的模型都下载，保存在某个目录中

lama-cleaner --model=paint_by_example --device=cuda --port=8080 --sd-local-model-path=/home/***/Fantasy-Studio/Paint-by-Example

备注:绝对路径和相对路径