Anime-InPainting 项目使用教程

1. 项目介绍

Anime-InPainting 是一个基于 Edge-Connect 的动漫图像修复工具。该项目通过结合前端 Opencv 和后端 Edge-Connect 模型，实现了动漫图像的自动修复、去马赛克、填补和去瑕疵等功能。与原始的 Edge-Connect 项目相比，Anime-InPainting 进行了多项优化，包括添加了工具应用模式、优化了训练阶段、自动保存和加载最新权重文件等。

2. 项目快速启动

2.1 环境准备

在开始之前，请确保您的系统满足以下要求：

• Python 3
• PyTorch 1.0（不支持 0.4 版本）
• NVIDIA GPU + CUDA cuDNN（可选，支持 CPU）

2.2 安装依赖

1. 克隆项目仓库：

   git clone https://github.com/youyuge34/Anime-InPainting.git
   cd Anime-InPainting
   

2. 安装 PyTorch 和相关依赖：

   pip install -r requirements.txt
   

2.3 下载预训练模型

下载预训练模型文件并解压到项目根目录下：

• Google Drive 下载链接
• 百度网盘 下载链接

确保模型文件路径如下：

/model/getchu/<xxxxx.pth>

2.4 运行工具

使用以下命令启动工具：

• 默认模式：

  python tool_patch.py --path model/getchu/
  

• 带边缘编辑窗口模式：

  python tool_patch.py --edge --path model/getchu/
  

2.5 命令行参数帮助

查看所有可用参数：

python tool_patch.py -h

3. 应用案例和最佳实践

3.1 动漫图像修复

Anime-InPainting 可以用于修复动漫图像中的瑕疵、填补缺失部分、去除马赛克等。以下是一个简单的应用案例：

1. 打开工具并加载待修复的动漫图像。
2. 使用鼠标左键在图像上标记需要修复的区域。
3. 按下 n 键进行修复。
4. 按下 s 键保存修复后的图像。

3.2 自定义训练

如果您有特定的动漫图像数据集，可以按照以下步骤进行自定义训练：

1. 准备您的数据集，并将其组织成适当的目录结构。
2. 编辑 config.yml 文件以配置训练参数。
3. 运行训练脚本：

   python train.py
   

4. 典型生态项目

4.1 Edge-Connect

Edge-Connect 是 Anime-InPainting 的基础项目，它通过生成对抗网络（GAN）实现了图像修复和生成。您可以在 Edge-Connect GitHub 仓库 中了解更多信息。

4.2 PI-REC

PI-REC 是 Anime-InPainting 作者推荐的最新模型，它在图像修复和生成方面表现更为强大。您可以在 PI-REC GitHub 仓库 中找到更多信息。

通过结合这些生态项目，您可以进一步提升动漫图像修复的效果和应用范围。