如何用AI快速去除马赛克?DeepMosaics完整使用指南(附去码/加码案例)
2026-02-05 04:45:52作者:房伟宁
你是否遇到过想保存的图片被打了马赛克?或者需要快速给视频添加隐私保护?今天介绍的 DeepMosaics 就是一款基于AI的开源神器,能自动移除图片/视频中的马赛克,也能精准添加马赛克效果!无论是修复老照片还是保护隐私,它都能让你告别繁琐操作,轻松搞定马赛克处理。
📌 项目核心功能
DeepMosaics利用先进的语义分割和图像转换技术,实现两大核心功能:
- 马赛克移除:智能识别马赛克区域,通过AI算法还原清晰细节
- 马赛克添加:精准定位人脸/敏感区域,一键生成自然马赛克
支持图片(JPG/PNG)和视频文件处理,兼容Windows、Linux和Mac系统,搭配GPU加速可实现实时处理⚡
🚀 3分钟快速上手
环境准备清单
- Python 3.6+
- FFmpeg 3.4.6
- PyTorch 1.0+
- NVIDIA GPU(推荐,支持CUDA加速)
安装步骤
- 克隆项目代码
git clone https://gitcode.com/gh_mirrors/de/DeepMosaics
cd DeepMosaics
- 安装依赖包
# 创建虚拟环境(可选)
virtualenv mosaic-env
source mosaic-env/bin/activate # Linux/Mac
# Windows: mosaic-env\Scripts\activate
# 安装依赖
pip install -r requirements.txt
- 下载预训练模型
将模型文件放入pretrained_models/目录(模型说明文档:docs/pre-trained_models_introduction.md)
💻 实战案例:马赛克处理全流程
案例1:图片去马赛克
处理命令:
python deepmosaic.py --media_path imgs/example/face_a_mosaic.jpg \
--model_path pretrained_models/mosaic/clean_face_HD.pth --gpu_id 0
案例2:视频添加马赛克
给视频中的人脸添加马赛克保护隐私:
python deepmosaic.py --media_path input_video.mp4 \
--model_path pretrained_models/mosaic/add_face.pth \
--output_path output_video.mp4 --gpu_id 0
案例3:艺术风格转换
⚙️ 高级功能与参数调整
核心参数说明
--media_path:输入文件路径(图片/视频)--output_path:输出文件路径(默认覆盖原文件)--model_path:选择模型(去码/加码/风格转换)--cpu:强制使用CPU运行(无GPU时)
完整参数说明:docs/options_introduction.md
批量处理工具
项目提供数据集处理脚本,支持批量处理:
- 视频帧提取:
make_datasets/get_image_from_video.py - 批量添加马赛克:
make_datasets/make_video_dataset.py
📝 常见问题解决
-
GPU内存不足
降低输入分辨率或使用--cpu参数 -
模型下载缓慢
检查网络连接或手动下载模型文件 -
视频处理卡顿
确保FFmpeg已正确安装,可尝试降低视频帧率
🎯 应用场景拓展
- 隐私保护:社交媒体内容发布前自动打码
- 旧照修复:还原被马赛克遮挡的历史照片
- 影视后期:快速处理视频中的敏感信息
- 艺术创作:结合风格迁移实现创意效果
更多高级用法可参考:docs/training_with_your_own_dataset.md
🔍 技术原理简析
DeepMosaics采用双阶段处理流程:
- 语义分割:使用BiSeNet模型精准定位马赛克区域
- 图像修复:通过BVDNet网络重建缺失细节
核心算法实现:models/BVDNet.py、models/BiSeNet_model.py
无论是日常使用还是专业需求,DeepMosaics都能让马赛克处理变得简单高效。现在就动手试试,体验AI带来的图像处理黑科技吧!完整使用文档可查阅 docs/exe_help.md。
提示:处理他人肖像时请遵守相关法律法规,尊重个人隐私哦~
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
332
395
暂无简介
Dart
766
189
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
878
586
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
165
React Native鸿蒙化仓库
JavaScript
302
352
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
748
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
985
246


