[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-yeates--PromptFix":3,"tool-yeates--PromptFix":62},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,2,"2026-04-10T11:39:34",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[52,15,13,14],"语言模型",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,61],"视频",{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":10,"env_os":95,"env_gpu":96,"env_ram":95,"env_deps":97,"category_tags":109,"github_topics":79,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":110,"updated_at":111,"faqs":112,"releases":152},6832,"yeates\u002FPromptFix","PromptFix","[NeurIPS 24] PromptFix: You Prompt and We Fix the Photo","PromptFix 是一款基于扩散模型的智能图像修复工具，旨在让用户通过简单的自然语言指令，即可自动修复各类受损照片并移除画面中不需要的元素。它有效解决了传统图像处理软件操作复杂、功能单一的问题，能够一站式完成照片上色、物体移除、去雾、去模糊、去除水印、除雪以及低光照增强等多种任务。在修复过程中，PromptFix 不仅能出色地纠正图像缺陷，还能很好地保留原始画面的结构细节，并支持不同长宽比的图片处理。\n\n该工具特别适合研究人员探索多任务图像恢复算法，开发者进行二次开发或集成应用，同时也非常适合设计师及摄影爱好者快速提升素材质量。虽然普通用户也可通过命令行体验其强大功能，但目前的开源版本更偏向于技术型用户。\n\nPromptFix 的核心亮点在于其强大的通用性与指令跟随能力。它基于一个经过精心构建的百万级数据集训练而成，涵盖了八类主要的底层视觉任务。仅需 20 步去噪过程，模型就能根据用户输入的文本提示（如“去除图中的行人”或“为黑白照片上色”），精准理解意图并生成高质量结果，真正实现了“你发指令，我来修图”的便捷体验。","\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyeates_PromptFix_readme_48d4f936e017.png\" height=\"120\">\n\u003C\u002Fp>\n\n\u003Ch1 align=\"center\">PromptFix: You Prompt and We Fix the Photo\u003C\u002Fh1>\n\u003Ch3 align=\"center\">NeurIPS 2024\u003C\u002Fh3>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fpdf\u002F2405.16785\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPaper-arXiv-b31b1b.svg\">\u003C\u002Fa>\n   \n  \u003Ca href=\"https:\u002F\u002Fwww.yongshengyu.com\u002FPromptFix-Page\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWebsite-ProjectPage-A55D35\">\u003C\u002Fa>\n   \n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fyeates\u002FPromptfixData\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FResource-Dataset-EFBF6A.svg\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\nThis repository provides the official PyTorch implementation of **PromptFix**, including pre-trained weights, training and inference code, and our curated dataset used for training.\n\n📢 **PromptFix** is designed to follow human instructions to process degraded images and remove unwanted elements. It supports a wide range of tasks, such as:\n\n- 🎨 **Colorization**\n- 🧹 **Object Removal**\n- 🌫️ **Dehazing**\n- 💨 **Deblurring**\n- 🖼️ **Watermark Removal**\n- ❄️ **Snow Removal**\n- 🌙 **Low-light Enhancement**\n\nBuilt on a diffusion model backbone, PromptFix delivers outstanding performance in correcting image defects while preserving the original structure, utilizing a 20-step denoising process. It also generalizes effectively across different aspect ratios.\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyeates_PromptFix_readme_29f7777df365.gif\" style=\"width:90%;\" \u002F>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyeates_PromptFix_readme_f8289d284a6e.gif\" style=\"width:55%;\" \u002F>\n\u003C\u002Fp>\n\n## Table of Contents\n\n- [Environment Setup](#-environment-setup)\n- [Inference](#-inference)\n- [Download Dataset](#-download-dataset)\n  - [Dataset Composition](#-dataset-composition)\n- [🧑‍💻 Training](#-training)\n- [📝 Citing PromptFix](#-citing-promptfix)\n- [🙏 Acknowledgments](#-acknowledgments)\n- [⚠️ Disclaimer](#-disclaimer)\n\n## Environment Setup\n\nFollow the steps below to clone the repository, set up the environment, and install dependencies. The code is tested on **Python 3.10**.\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix.git\ncd PromptFix\nconda create -n promptfix python=3.10 -y\nconda activate promptfix\npip install -r requirements.txt\n```\n\n## Inference\n\nTo process the default image examples, run the following command. The pre-trained model weights will be automatically downloaded from Hugging Face and placed under the `checkpoints\u002F` directory:\n\n```bash\nbash scripts\u002Finference.sh\n```\n\n## Download Dataset\n\nWe curated a [training dataset](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fyeates\u002FPromptfixData) exceeding **1 million** samples. Each sample includes paired images and instruction and auxiliary text prompts. The dataset covers multiple low-level image processing tasks.\n\nTo download the dataset, run the following commands at the project root directory:\n\n```bash\nbash scripts\u002Fdownload_promptfix_dataset.sh\n```\n\n### Dataset Composition\n\nThe dataset includes the following tasks:\n\n| Task                      | Percentage |\n|---------------------------|------------|\n| 🎨 **Colorization**           | 29.3%      |\n| 🌙 **Low-light Enhancement**  | 20.7%      |\n| 🖼️ **Watermark Removal**      | 12.4%      |\n| 🧹 **Object Removal**         | 11.9%      |\n| ❄️ **Snow Removal**           | 9.7%       |\n| 🌫️ **Dehazing**               | 8.9%       |\n| 💨 **Deblurring**             | 7.1%       |\n| **Total**                  | **100%**   |\n\n**Note:** The dataset is packaged into Parquet files, consisting of 100 parts. Each part can be loaded independently. If you want to experiment with a smaller amount of data without downloading the entire dataset, you can download only a few Parquet files.\n\n## 🧑‍💻 Training\n\nTo train the model, run:\n\n```bash\nbash scripts\u002Ftrain.sh \u003CGPU_NUMS>\n```\n\nReplace `\u003CGPU_NUMS>` with the number of GPUs you wish to use.\n\nOnce checkpoints are saved, you need to convert the EMA (Exponential Moving Average) format weights into a loadable checkpoint:\n\n```bash\npython scripts\u002Fconvert_ckpt.py --ema-ckpt \u003CEMA_CKPT_PATH> --out-ckpt \u003COUT_CKPT_PATH>\n```\n\nFor example:\n\n```bash\npython scripts\u002Fconvert_ckpt.py --ema-ckpt .\u002Ftrain_logs\u002Fpromptfix\u002Fcheckpoints\u002Fckpt_epoch_0\u002Fstate.pth --out-ckpt .\u002Fcheckpoints\u002Fpromptfix_epoch_1.ckpt\n```\n\n## 📝 Citing PromptFix\n\nIf you use our dataset or code, please give the repository a star ⭐ and cite our paper:\n\n```bibtex\n@inproceedings{yu2024promptfix,\n  title={PromptFix: You Prompt and We Fix the Photo},\n  author={Yu, Yongsheng and Zeng, Ziyun and Hua, Hang and Fu, Jianlong and Luo, Jiebo},\n  booktitle={NeurIPS},\n  year={2024}\n}\n```\n\n## 🙏 Acknowledgments\n\nWe would like to thank the authors of [InstructDiffusion](https:\u002F\u002Fgithub.com\u002Fcientgu\u002FInstructDiffusion), [Stable Diffusion](https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion), and [InstructPix2Pix](https:\u002F\u002Fgithub.com\u002Ftimothybrooks\u002Finstruct-pix2pix) for sharing their codes.\n\n## ⚠️ Disclaimer\n\nThis repository is part of an open-source research initiative provided for academic and research purposes only. We have not established any official commercial services, products, or web applications related to this project. Use this software at your own risk; it may not meet all your expectations or requirements.\n\nPlease note that the PromptFix dataset is curated from open-source research projects and publicly available photo libraries. By using our dataset, you automatically agree to comply with all applicable licenses and terms of use associated with the source data. Furthermore, you acknowledge and agree that neither the dataset nor any models trained using it may be utilized for any commercial purposes.\n","\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyeates_PromptFix_readme_48d4f936e017.png\" height=\"120\">\n\u003C\u002Fp>\n\n\u003Ch1 align=\"center\">PromptFix：你提供提示，我们修复照片\u003C\u002Fh1>\n\u003Ch3 align=\"center\">NeurIPS 2024\u003C\u002Fh3>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fpdf\u002F2405.16785\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPaper-arXiv-b31b1b.svg\">\u003C\u002Fa>\n   \n  \u003Ca href=\"https:\u002F\u002Fwww.yongshengyu.com\u002FPromptFix-Page\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWebsite-ProjectPage-A55D35\">\u003C\u002Fa>\n   \n  \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fyeates\u002FPromptfixData\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FResource-Dataset-EFBF6A.svg\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\n本仓库提供了 **PromptFix** 的官方 PyTorch 实现，包括预训练权重、训练与推理代码，以及我们用于训练的精选数据集。\n\n📢 **PromptFix** 旨在根据人类指令处理退化图像并移除不需要的元素。它支持广泛的任务，例如：\n\n- 🎨 **上色**\n- 🧹 **物体移除**\n- 🌫️ **去雾**\n- 💨 **去模糊**\n- 🖼️ **水印移除**\n- ❄️ **雪地清除**\n- 🌙 **低光增强**\n\nPromptFix 基于扩散模型架构构建，在保留原始结构的同时，通过 20 步去噪过程实现了卓越的图像缺陷修复效果，并且能够有效泛化到不同宽高比的图像。\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyeates_PromptFix_readme_29f7777df365.gif\" style=\"width:90%;\" \u002F>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyeates_PromptFix_readme_f8289d284a6e.gif\" style=\"width:55%;\" \u002F>\n\u003C\u002Fp>\n\n## 目录\n\n- [环境搭建](#-environment-setup)\n- [推理](#-inference)\n- [下载数据集](#-download-dataset)\n  - [数据集构成](#-dataset-composition)\n- [🧑‍💻 训练](#-training)\n- [📝 引用 PromptFix](#-citing-promptfix)\n- [🙏 致谢](#-acknowledgments)\n- [⚠️ 免责声明](#-disclaimer)\n\n## 环境搭建\n\n请按照以下步骤克隆仓库、设置环境并安装依赖项。代码已在 **Python 3.10** 上测试通过。\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix.git\ncd PromptFix\nconda create -n promptfix python=3.10 -y\nconda activate promptfix\npip install -r requirements.txt\n```\n\n## 推理\n\n要处理默认的示例图像，请运行以下命令。预训练模型权重将自动从 Hugging Face 下载，并放置在 `checkpoints\u002F` 目录下：\n\n```bash\nbash scripts\u002Finference.sh\n```\n\n## 下载数据集\n\n我们精心整理了一个超过 **100 万** 个样本的 [训练数据集](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fyeates\u002FPromptfixData)。每个样本包含成对的图像以及指令和辅助文本提示。该数据集覆盖了多种低层图像处理任务。\n\n要在项目根目录下下载数据集，请运行以下命令：\n\n```bash\nbash scripts\u002Fdownload_promptfix_dataset.sh\n```\n\n### 数据集构成\n\n数据集包含以下任务：\n\n| 任务                      | 百分比 |\n|---------------------------|--------|\n| 🎨 **上色**           | 29.3%  |\n| 🌙 **低光增强**  | 20.7%  |\n| 🖼️ **水印移除**      | 12.4%  |\n| 🧹 **物体移除**         | 11.9%  |\n| ❄️ **雪地清除**           | 9.7%   |\n| 🌫️ **去雾**               | 8.9%   |\n| 💨 **去模糊**             | 7.1%   |\n| **总计**                  | **100%**   |\n\n**注意：** 数据集被打包为 Parquet 文件，共分为 100 个部分。每个部分可以独立加载。如果您想在不下载整个数据集的情况下进行小规模实验，只需下载几个 Parquet 文件即可。\n\n## 🧑‍💻 训练\n\n要训练模型，请运行：\n\n```bash\nbash scripts\u002Ftrain.sh \u003CGPU_NUMS>\n```\n\n将 `\u003CGPU_NUMS>` 替换为您希望使用的 GPU 数量。\n\n保存检查点后，您需要将 EMA（指数移动平均）格式的权重转换为可加载的检查点：\n\n```bash\npython scripts\u002Fconvert_ckpt.py --ema-ckpt \u003CEMA_CKPT_PATH> --out-ckpt \u003COUT_CKPT_PATH>\n```\n\n例如：\n\n```bash\npython scripts\u002Fconvert_ckpt.py --ema-ckpt .\u002Ftrain_logs\u002Fpromptfix\u002Fcheckpoints\u002Fckpt_epoch_0\u002Fstate.pth --out-ckpt .\u002Fcheckpoints\u002Fpromptfix_epoch_1.ckpt\n```\n\n## 📝 引用 PromptFix\n\n如果您使用了我们的数据集或代码，请为本仓库点赞 ⭐ 并引用我们的论文：\n\n```bibtex\n@inproceedings{yu2024promptfix,\n  title={PromptFix: You Prompt and We Fix the Photo},\n  author={Yu, Yongsheng and Zeng, Ziyun and Hua, Hang and Fu, Jianlong and Luo, Jiebo},\n  booktitle={NeurIPS},\n  year={2024}\n}\n```\n\n## 🙏 致谢\n\n我们感谢 [InstructDiffusion](https:\u002F\u002Fgithub.com\u002Fcientgu\u002FInstructDiffusion)、[Stable Diffusion](https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion) 和 [InstructPix2Pix](https:\u002F\u002Fgithub.com\u002Ftimothybrooks\u002Finstruct-pix2pix) 的作者们分享他们的代码。\n\n## ⚠️ 免责声明\n\n本仓库是一个开源研究项目的一部分，仅用于学术和科研目的。我们尚未建立任何与该项目相关的官方商业服务、产品或 Web 应用程序。请自行承担使用本软件的风险；它可能无法满足您的所有期望或需求。\n\n请注意，PromptFix 数据集来源于开源研究项目和公开可用的照片库。使用我们的数据集即表示您同意遵守所有与源数据相关的许可协议和使用条款。此外，您也承认并同意，无论是数据集本身，还是基于该数据集训练的任何模型，均不得用于任何商业用途。","# PromptFix 快速上手指南\n\nPromptFix 是一个基于扩散模型的 AI 图像修复工具，能够根据用户的文本指令处理退化图像并移除不需要的元素。支持上色、去水印、去雾、去模糊、低光照增强等多种任务。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux (推荐) 或 macOS\n*   **Python 版本**: 3.10 (代码已在此版本测试通过)\n*   **硬件要求**: 需要 NVIDIA GPU 以进行推理和训练（建议显存 8GB 以上）\n*   **依赖管理**: 推荐使用 `conda` 管理虚拟环境\n*   **网络环境**: 需要访问 Hugging Face 下载预训练权重和数据集（国内用户可能需要配置代理或使用镜像加速）\n\n## 安装步骤\n\n按照以下步骤克隆仓库并安装依赖：\n\n```bash\n# 1. 克隆项目仓库\ngit clone https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix.git\ncd PromptFix\n\n# 2. 创建并激活 Python 3.10 虚拟环境\nconda create -n promptfix python=3.10 -y\nconda activate promptfix\n\n# 3. 安装项目依赖\n# 国内用户若 pip 下载缓慢，可添加清华源：-i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\npip install -r requirements.txt\n```\n\n## 基本使用\n\n安装完成后，您可以直接运行推理脚本。系统会自动从 Hugging Face 下载预训练模型权重并存放在 `checkpoints\u002F` 目录下。\n\n**运行默认示例：**\n\n```bash\nbash scripts\u002Finference.sh\n```\n\n运行结束后，处理后的图片将保存在输出目录中。您可以查看 `examples\u002F` 文件夹下的输入图片与对应的指令，了解如何构造自己的测试用例。\n\n> **提示**：如需处理自定义图片，请参考项目源码中的推理逻辑修改输入路径和提示词（Prompt）。","一位旅行博主在整理十年前的老照片集时，发现大量照片因年代久远出现褪色、模糊、水印干扰及恶劣天气拍摄导致的画质受损问题，急需批量修复以发布高清回忆录。\n\n### 没有 PromptFix 时\n- **工具切换繁琐**：处理不同缺陷需分别使用去雾、去模糊、上色等多个独立软件或模型，工作流割裂且耗时。\n- **操作门槛极高**：传统修复工具往往需要手动调整复杂参数（如掩膜绘制、噪声强度），非专业修图师难以精准控制。\n- **细节丢失严重**：通用算法在去除雪花或水印时，容易误伤背景纹理，导致人物边缘模糊或场景结构失真。\n- **指令交互缺失**：无法通过自然语言指定修复需求（如“只去掉右下角水印，保留左侧文字”），只能盲目尝试。\n\n### 使用 PromptFix 后\n- **一站式全能修复**：仅需一个基于扩散模型的 PromptFix，即可通过文本指令同时完成上色、去噪、去水印等七类任务，流程丝滑连贯。\n- **自然语言驱动**：直接输入“为这张黑白照上色并去除镜头光晕”，PromptFix 便能精准理解意图并执行，无需任何参数调优。\n- **结构完美保持**：利用其 20 步去噪机制，PromptFix 在清除积雪或雾霾的同时，完美保留了原始建筑的线条与人物面部特征。\n- **泛化能力强大**：面对横竖屏混合、分辨率各异的老照片，PromptFix 无需预处理即可自适应输出高质量结果。\n\nPromptFix 将复杂的图像修复工程转化为简单的对话交互，让非专业人士也能高效唤醒沉睡的老旧影像记忆。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyeates_PromptFix_48d4f936.png","yeates","Yongsheng Yu","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fyeates_fc1be883.jpg","Ph.D. Candidate@VIStA Lab","University of Rochester","Rochester, NY",null,"yeates.github.io","https:\u002F\u002Fgithub.com\u002Fyeates",[83,87],{"name":84,"color":85,"percentage":86},"Python","#3572A5",99.3,{"name":88,"color":89,"percentage":90},"Shell","#89e051",0.7,891,57,"2026-04-02T07:07:01","Apache-2.0","未说明","训练需指定 GPU 数量（脚本参数 \u003CGPU_NUMS>），基于扩散模型架构通常建议高性能 NVIDIA GPU，具体型号和显存大小未在 README 中明确说明",{"notes":98,"python":99,"dependencies":100},"代码已在 Python 3.10 上测试通过。建议使用 conda 创建虚拟环境。推理时会自动从 Hugging Face 下载预训练权重至 checkpoints\u002F 目录。数据集超过 100 万样本，打包为 100 个 Parquet 文件，支持按需下载部分文件。训练完成后需运行脚本将 EMA 格式权重转换为可加载的检查点文件。该项目仅限学术和研究用途，禁止商业用途。","3.10",[101,102,103,104,105,106,107,108],"torch","diffusers","transformers","accelerate","gradio","pillow","opencv-python","datasets",[15],"2026-03-27T02:49:30.150509","2026-04-12T16:41:52.423268",[113,118,123,128,133,138,143,147],{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},30812,"启用高频引导（hf_guidance）时出现 \"RuntimeError: One of the differentiated Tensors appears to not have been used in the graph\" 错误怎么办？","该参数在发布版本中已弃用。为了加快推理速度同时保持高频细节，代码已改为预训练相同的 LoRA。请始终将 `disable_hf_guidance` 设置为 `True`。如果希望查看无高频引导的效果，可以在配置 YAML 文件中将 `enable_decoder_cond_lora` 设置为 `False`。","https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix\u002Fissues\u002F4",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},30813,"运行脚本时遇到 \"ImportError: libGL.so.1: cannot open shared object file\" 错误如何解决？","这是因为缺少 OpenGL 库依赖。请在终端运行以下命令安装缺失的库：\n`apt-get update && apt-get install -y libgl1-mesa-glx libglib2.0-0`","https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix\u002Fissues\u002F13",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},30814,"运行时提示 \"ModuleNotFoundError: No module named 'einops'\" 或缺少其他 Python 模块怎么办？","这是因为环境中未安装必要的依赖包。请在命令行中运行 `pip install einops` 进行安装。如果遇到其他类似缺失模块的错误，请使用 pip 安装对应的包。","https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix\u002Fissues\u002F12",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},30815,"运行推理时遇到 \"RuntimeError: CUDA unknown error\" 导致无法使用 GPU 怎么办？","这通常是由于环境配置不正确导致的，特别是缺少 cuDNN 和 NCCL 共享库。请检查并安装 cuDNN 和 NCCL 库，确保它们与当前的 CUDA 版本兼容。","https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix\u002Fissues\u002F5",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},30816,"训练模型需要多少显存？可以使用 RTX 3090 进行训练吗？","官方推荐使用 V100 或 A100 GPU 进行训练。虽然未在 RTX 3090 上测试过，但对于显存有限的设备，建议在训练时使用 256 分辨率的输入图像，并减小 batch size（批次大小）以降低显存占用。","https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix\u002Fissues\u002F15",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},30817,"该项目支持在 Windows 系统上运行吗？","代码仅在 Ubuntu Linux 上进行过测试。理论上应该兼容 Windows，但如果严格按照当前的 README 文档在 Windows 上操作可能会遇到问题，可能需要根据 Windows 环境调整部分路径或命令。","https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix\u002Fissues\u002F11",{"id":144,"question_zh":145,"answer_zh":146,"source_url":127},30818,"激活 Conda 环境时提示 \"CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'\" 怎么办？","这是因为 Shell 尚未正确初始化 Conda。请运行 `conda init \u003CSHELL_NAME>`（例如 `conda init bash` 或 `conda init zsh`），然后关闭并重新打开终端窗口，之后即可正常使用 `conda activate` 命令。",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},30819,"关于论文中提到的高频采样部分，LoRA 参数是在每次采样开始时重新初始化的吗？使用了什么优化器？","在发布的代码版本中，为了实用性和速度，已经不再采用在线高频采样（online hf sampling）的方式，而是使用了预训练的 LoRA 来替代。因此，不再需要在采样过程中动态训练 LoRA 参数或指定优化器。相关逻辑已通过预训练权重固化。","https:\u002F\u002Fgithub.com\u002Fyeates\u002FPromptFix\u002Fissues\u002F8",[]]