什么是 Lama Cleaner ？
Lama Cleaner是由
SOTA AI模型提供支持的图像修复工具。可以从图片中移除任何不需要的物体、缺陷和人，或者擦除并替换（
powered by stable diffusion）图片上的任何东西。
看看官方提供的视频，应该比较容易理解其功能
Lama Cleaner 0.24.0 示例
其实主要功能就
3
项：
- 删除图像上不需要的东西；
- 修复旧照片；
- 替换图片上的东西；
Lama Cleaner
分为
GPU
版本和
CPU
版本，这两个版本的体积相差巨大，老苏猜测
CPU
版本应该是个精简版，没有内置
stable diffusion
，因此是不支持替换功能的，能否修复旧照片，老苏没试，因为手上没有
GPU
版本的要求最起码应该是要有
Nvidia
显卡的，具体型号老苏没用过也不懂，反正老苏的小机器上只有集显，也就只能选择
CPU
版随便玩玩
cuda11.6pytorch1.12.1minimum nvidia driver 510.39.01+
CPU
版镜像下载后大约是
2G
,
GPU
版保守估计
10G
，大家要留好空间
安装
在群晖上以 Docker 方式安装。
在注册表中搜索
lama-cleaner
，选择第二个
cwq1913/lama-cleaner
，版本老苏选的是
cpu-0.26.1
如果你的机器有
Nvidia显卡，可以试试
gpu的版本
卷
在
docker
文件夹中，创建一个新文件夹
lama
，并在其中建两个子文件夹，分别是
huggingface_cache
和
torch_cache
文件夹装载路径说明
docker/lama/huggingface_cache
/root/.cache/huggingface
存放
sd1.5
模型
docker/lama/torch_cache
/root/.cache/torch
存放
lama/ldm/zits/mat/fcf
模型
对于
stable-diffusion 1.5模型，您需要接受访问条款，并获取
access token，具体方法请自行研究官方文档，因为
cpu版本不涉及这个模型的下载和使用；
端口
本地端口不冲突就行，不确定的话可以用命令查一下
# 查看端口占用netstat-tunlp|grep 端口号
本地端口容器端口
8184
8184
默认的容器端口是
8080
可以通过命令行修改，这里老苏用了
8184
环境
没有用到环境变量，但是用了命令行，这个我们之前说过，命令行只有第一次生效，所以别忘记了，因为我们前面改了容器端口
在
命令
中输入
lama-cleaner --device cpu --port8184--host0.0.0.0
命令行安装
如果你熟悉命令行，可能用
docker cli
更快捷
# 新建文件夹 lama 和 子目录mkdir-p /volume2/docker/lama/{huggingface_cache,torch_cache}# 进入 lama 目录cd /volume2/docker/lama
# 运行容器docker run -d\--restart unless-stopped \--name lama-cleaner \-p8184:8184 \-v$(pwd)/torch_cache:/root/.cache/torch \-v$(pwd)/huggingface_cache:/root/.cache/huggingface \
cwq1913/lama-cleaner:cpu-0.26.1 \
lama-cleaner --device=cpu --port=8184--host=0.0.0.0
也可以用
docker-compose
安装，将下面的内容保存为
docker-compose.yml
文件
version:'3'services:lamecleaner:image: cwq1913/lama-cleaner:cpu-0.26.1
container_name: lama-cleaner
restart: unless-stopped
ports:- 8184:8184volumes:- ./torch_cache:/root/.cache/torch
- ./huggingface_cache:/root/.cache/huggingface
command: lama-cleaner --device=cpu --port=8184 --host=0.0.0.0
换一种
command
写法也是可以的
command:- lama-cleaner
---device=cpu
---port=8184
---host=0.0.0.0
还可以写成
command:["lama-cleaner","--device=cpu","--port=8184","--host=0.0.0.0"]
老苏之所以跟研究茴香豆的“茴”字到底有几种写法一样研究
command的写法，是因为几种安装方式都存在差异，尤其是图形化安装时，因为写了
=号导致容器一直起不来，总是隔一段时间就忘记，真是受不了自己；
然后执行下面的命令
# 新建文件夹 lama 和 子目录mkdir-p /volume2/docker/lama/{huggingface_cache,torch_cache}# 进入 lama 目录cd /volume2/docker/lama
# 将 docker-compose.yml 放入当前目录# 一键启动docker-compose up -d
运行
第一次启动失败了，从日志看，需要下载
Downloading: "https://github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt" to /root/.cache/torch/hub/checkpoints/big-lama.pt
所以第一种方法是将
github.com
加入科学上网的白名单，再次启动容器就开始下载了
看到
* Running on http://0.0.0.0:8184/ (Press CTRL+C to quit)
，就可以开始使用了
下载的
big-lama.pt
在
/docker/lama/torch_cache/hub/checkpoints
目录中
所以第二种方式是，如果你的群晖不能科学上网的话，你可以借助
ghproxy
，直接下载这个模型文件丢到上面的目录中
# 通过代理下载模型文件的地址
https://ghproxy.com/github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt
当然这是
CPU
版，需要的模型比较少，如果是
GPU
版的话，估计模型会更多，注意看日志吧
使用
在浏览器中输入
http://群晖IP:8184
就能看到主界面
老苏随便选了一张，准备把中间的小刺猬抹掉
这个效果怎么样？
对比原始图看看，灯是被遮挡了的缘故，所以是无法还原的，远处的云和山不放大看细节，还原度还是可以的，起码不会一眼穿帮吧
参考文档
Sanster/lama-cleaner: Image inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.
地址：https://github.com/Sanster/lama-cleaner
版权归原作者 杨浦老苏 所有， 如有侵权，请联系我们删除。