LaMa Image Inpainting 项目教程

1. 项目目录结构及介绍

lama-with-refiner/
├── bin/
│   ├── predict.py
│   ├── train.py
│   └── ...
├── colab/
├── configs/
│   ├── prediction/
│   │   └── default.yaml
│   └── ...
├── docker/
│   ├── 2_predict.sh
│   ├── 2_predict_with_gpu.sh
│   └── ...
├── fetch_data/
│   ├── places_standard_train_prepare.sh
│   ├── places_standard_test_val_prepare.sh
│   └── ...
├── models/
├── saicinpainting/
├── .gitignore
├── LICENSE
├── README.md
├── conda_env.yml
└── requirements.txt

目录结构介绍

• bin/: 包含项目的启动文件，如 predict.py 和 train.py。
• colab/: 包含用于 Google Colab 的脚本。
• configs/: 包含项目的配置文件，如 default.yaml。
• docker/: 包含用于 Docker 的脚本，如 2_predict.sh 和 2_predict_with_gpu.sh。
• fetch_data/: 包含用于准备数据集的脚本，如 places_standard_train_prepare.sh。
• models/: 包含预训练模型的文件。
• saicinpainting/: 包含项目的主要代码。
• .gitignore: Git 忽略文件。
• LICENSE: 项目许可证。
• README.md: 项目介绍和使用说明。
• conda_env.yml: Conda 环境配置文件。
• requirements.txt: Python 依赖包列表。

2. 项目启动文件介绍

bin/predict.py

该文件用于图像修复的预测。可以通过以下命令运行：

python3 bin/predict.py \
    model_path=$(pwd)/big-lama \
    indir=$(pwd)/LaMa_test_images \
    outdir=$(pwd)/output

bin/train.py

该文件用于模型的训练。可以通过以下命令运行：

python3 bin/train.py -cn lama-fourier location=places_standard

3. 项目配置文件介绍

configs/prediction/default.yaml

该配置文件定义了图像修复任务的默认参数，如图像和掩码的格式、输出目录等。可以通过修改该文件来调整预测任务的设置。

conda_env.yml

该文件定义了 Conda 环境的依赖包，可以通过以下命令创建环境：

conda env create -f conda_env.yml
conda activate lama

requirements.txt

该文件列出了 Python 项目的依赖包，可以通过以下命令安装：

pip install -r requirements.txt

通过以上介绍，您可以更好地理解和使用 LaMa Image Inpainting 项目。