[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-zuruoke--watermark-removal":3,"tool-zuruoke--watermark-removal":61},[4,18,26,36,44,53],{"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},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",160411,2,"2026-04-18T23:33:24",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"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",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":76,"owner_twitter":78,"owner_website":76,"owner_url":79,"languages":80,"stars":89,"forks":90,"last_commit_at":91,"license":76,"difficulty_score":10,"env_os":92,"env_gpu":93,"env_ram":94,"env_deps":95,"category_tags":101,"github_topics":102,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":108,"updated_at":109,"faqs":110,"releases":141},9472,"zuruoke\u002Fwatermark-removal","watermark-removal","a machine learning image inpainting task that instinctively removes watermarks from image indistinguishable from the ground truth image ","watermark-removal 是一款基于机器学习的开源图像修复工具，旨在智能地移除图片中的水印。它不仅能擦除干扰视觉的标志或文字，更能通过算法自动补全被遮挡的背景细节，使处理后的图像在视觉上与原始无水印版本几乎无法区分，有效解决了设计师和创作者在处理素材时面临的水印干扰及手动修图耗时费力的问题。\n\n该项目特别适合开发者、人工智能研究人员以及需要批量处理图像的设计师使用。对于希望深入理解图像修复技术的极客，它也提供了宝贵的学习案例；普通用户若具备基础的 Docker 操作能力，同样可以尝试部署使用。\n\n在技术层面，watermark-removal 的核心亮点在于融合了计算机视觉领域的两项前沿成果：“上下文注意力机制”（Contextual Attention）与“门控卷积”（Gated Convolution）。前者帮助模型从图像其他区域寻找最匹配的纹理来填补空缺，后者则提升了神经网络对不规则掩码的处理能力，从而确保了修复结果的自然与连贯。项目目前支持通过 Docker 容器快速部署，为图像去水印任务提供了一个高效、透明的开源解决方案。","Chimzuruoke Okafor\n\n# Watermark-Removal\n\n\u003Cp>\n  \u003Ca href=\"https:\u002F\u002Fpepy.tech\u002Fproject\u002Fprompttools\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_029878a584ab.png\" alt=\"Total Downloads\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fhegelai\u002Fwatermark-removal\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fzuruoke\u002Fwatermark-removal\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Ftwitter.com\u002Fzuruoke_okafor\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002FZuruoke_Okafor?style=social\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n![version](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-v1.0.0-green.svg?style=plastic)\n![pytorch](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftensorflow-v1.15.0-green.svg?style=plastic)\n![license](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC_BY--NC-green.svg?style=plastic)\n\n\u003Ca href=\"https:\u002F\u002Fcoff.ee\u002Fzuruokeokafor\" target=\"_blank\">\n  \u003Cimg src=\"https:\u002F\u002Fwww.buymeacoffee.com\u002Fassets\u002Fimg\u002Fcustom_images\u002Forange_img.png\"\n       alt=\"Buy Me A Coffee\"\n       style=\"height: 41px;width:174px;box-shadow:0px 3px 2px rgba(190,190,190,0.5);\" \u002F>\n\u003C\u002Fa>\n\nAn open source project that uses a machine learning based image inpainting methodology to remove watermark from images which is totally indistinguishable from the ground truth version of the image.\n\nThis project was inspired by the [Contextual Attention](https:\u002F\u002Farxiv.org\u002Fabs\u002F1801.07892) (CVPR 2018) and [Gated Convolution](https:\u002F\u002Farxiv.org\u002Fabs\u002F1806.03589) (ICCV 2019 Oral).\n\nAnd also a shoutout to [Chu-Tak Li](https:\u002F\u002Fchutakcode.wixsite.com\u002Fwebsite) for his [Medium article series](https:\u002F\u002Ftowardsdatascience.com\u002F10-papers-you-must-read-for-deep-image-inpainting-2e41c589ced0) that really gave me a deep insight into the image inpainting papers stated above\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_5b8b8c12fad6.png\" width=\"45%\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_38c3f417416f.png\" width=\"45%\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_0cbe174220be.jpeg\" width=\"45%\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_76f0280825ca.png\" width=\"45%\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_288d89a12be6.jpeg\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_ea5d55d3aca1.png\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_50509d8026a8.jpeg\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_30d4c331bbba.png\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_f36bf08a4453.jpeg\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_09edc1e9da89.png\" width=\"45%\" \u002F>\n\n## Run\n\n### Docker\n\n1. Clone this repository to your computer.\n2. From the repository root, build a Docker image with the command `docker build -t watermark-removal .`\n3. Download the model dir using this [link](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1xRV4EdjJuAfsX9pQme6XeoFznKXG0ptJ?usp=sharing).\n4. Create and run a docker container with the image you built using the command:\n```bash\ndocker run --rm -v '\u003Cpath_to_model_dir>:\u002Frepo\u002Fmodel' -v '\u003Cpath_to_input_dir>:\u002Finput' -v '\u003Cpath_to_output_dir>:\u002Foutput' watermark-removal --checkpoint_dir \u002Frepo\u002Fmodel --image '\u002Finput\u002F\u003Cinput_image_file>' --output '\u002Foutput\u002F\u003Coutput_image_file>' --watermark_type istock\n```\n\n### Google colab (broken)\n\n- use [Google colab](https:\u002F\u002Fresearch.google.com\u002Fcolaboratory\u002F)\n\n- First of all, clone this repo\n\n      !git clone https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal\n\n- Change Directory to the repo\n\n      !cd watermark-removal\n\n- Since Google Colab uses the latest Tensorflow 2x version and this project uses 1.15.0, downgrade to Tensorflow 1.15.0 version and restart the runtime, (`although the new version of Google Colab does not need you to restart the runtime`).\n\n      !pip install tensorflow==1.15.0\n\n- Install tensorflow toolkit [neuralgym](https:\u002F\u002Fgithub.com\u002FJiahuiYu\u002Fneuralgym).\n\n      !pip install git+https:\u002F\u002Fgithub.com\u002FJiahuiYu\u002Fneuralgym\n\n- Download the model dirs using this [link](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1xRV4EdjJuAfsX9pQme6XeoFznKXG0ptJ?usp=sharing) and put it under `model\u002F` (rename `checkpoint.txt` to `checkpoint` because sometimes google drive automatically adds .txt after download)\n\nAnd you're all Set!!\n\n- Now remove the watermark on the image by runing the `main.py` file\n\n      !python main.py --image path-to-input-image --output path-to-output-image --checkpoint_dir model\u002F --watermark_type istock\n\n## Citing\n\n```\n@article{yu2018generative,\n  title={Generative Image Inpainting with Contextual Attention},\n  author={Yu, Jiahui and Lin, Zhe and Yang, Jimei and Shen, Xiaohui and Lu, Xin and Huang, Thomas S},\n  journal={arXiv preprint arXiv:1801.07892},\n  year={2018}\n}\n\n@article{yu2018free,\n  title={Free-Form Image Inpainting with Gated Convolution},\n  author={Yu, Jiahui and Lin, Zhe and Yang, Jimei and Shen, Xiaohui and Lu, Xin and Huang, Thomas S},\n  journal={arXiv preprint arXiv:1806.03589},\n  year={2018}\n}\n```\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#zuruoke\u002Fwatermark-removal\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_c9dc97c2ccbd.png&theme=dark\" \u002F>\n    \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_c9dc97c2ccbd.png\" \u002F>\n    \u003Cimg alt=\"Star History Chart\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_c9dc97c2ccbd.png\" \u002F>\n  \u003C\u002Fpicture>\n\u003C\u002Fa>\n\u003C\u002Fp>\n\n## © Chimzuruoke Okafor\n","钦祖鲁奥克·奥卡福\n\n# 水印移除\n\n\u003Cp>\n  \u003Ca href=\"https:\u002F\u002Fpepy.tech\u002Fproject\u002Fprompttools\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_029878a584ab.png\" alt=\"总下载量\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fhegelai\u002Fwatermark-removal\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fzuruoke\u002Fwatermark-removal\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Ftwitter.com\u002Fzuruoke_okafor\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002FZuruoke_Okafor?style=social\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n![版本](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-v1.0.0-green.svg?style=plastic)\n![PyTorch](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftensorflow-v1.15.0-green.svg?style=plastic)\n![许可证](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC_BY--NC-green.svg?style=plastic)\n\n\u003Ca href=\"https:\u002F\u002Fcoff.ee\u002Fzuruokeokafor\" target=\"_blank\">\n  \u003Cimg src=\"https:\u002F\u002Fwww.buymeacoffee.com\u002Fassets\u002Fimg\u002Fcustom_images\u002Forange_img.png\"\n       alt=\"请我喝杯咖啡\"\n       style=\"height: 41px;width:174px;box-shadow:0px 3px 2px rgba(190,190,190,0.5);\" \u002F>\n\u003C\u002Fa>\n\n一个开源项目，利用基于机器学习的图像修复方法从图片中移除水印，修复后的图像与原始图像几乎无异。\n\n该项目灵感来源于 [上下文注意力](https:\u002F\u002Farxiv.org\u002Fabs\u002F1801.07892)（CVPR 2018）和 [门控卷积](https:\u002F\u002Farxiv.org\u002Fabs\u002F1806.03589)（ICCV 2019 口头报告）。\n\n同时也要感谢 [Chu-Tak Li](https:\u002F\u002Fchutakcode.wixsite.com\u002Fwebsite) 的 [Medium 系列文章](https:\u002F\u002Ftowardsdatascience.com\u002F10-papers-you-must-read-for-deep-image-inpainting-2e41c589ced0)，这些文章让我对上述图像修复论文有了深刻的理解。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_5b8b8c12fad6.png\" width=\"45%\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_38c3f417416f.png\" width=\"45%\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_0cbe174220be.jpeg\" width=\"45%\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_76f0280825ca.png\" width=\"45%\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_288d89a12be6.jpeg\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_ea5d55d3aca1.png\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_50509d8026a8.jpeg\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_30d4c331bbba.png\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_f36bf08a4453.jpeg\" width=\"45%\" \u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_09edc1e9da89.png\" width=\"45%\" \u002F>\n\n## 运行\n\n### Docker\n\n1. 将本仓库克隆到您的计算机。\n2. 在仓库根目录下，使用命令 `docker build -t watermark-removal .` 构建 Docker 镜像。\n3. 使用此 [链接](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1xRV4EdjJuAfsX9pQme6XeoFznKXG0ptJ?usp=sharing) 下载模型文件夹。\n4. 使用您构建的镜像创建并运行 Docker 容器，命令如下：\n```bash\ndocker run --rm -v '\u003Cmodel_dir路径>:\u002Frepo\u002Fmodel' -v '\u003Cinput_dir路径>:\u002Finput' -v '\u003Coutput_dir路径>:\u002Foutput' watermark-removal --checkpoint_dir \u002Frepo\u002Fmodel --image '\u002Finput\u002F\u003Cinput_image_file>' --output '\u002Foutput\u002F\u003Coutput_image_file>' --watermark_type istock\n```\n\n### Google Colab（已失效）\n\n- 使用 [Google Colab](https:\u002F\u002Fresearch.google.com\u002Fcolaboratory\u002F)\n\n- 首先，克隆本仓库\n\n      !git clone https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal\n\n- 切换到该仓库目录\n\n      !cd watermark-removal\n\n- 由于 Google Colab 使用的是最新版 TensorFlow 2.x，而本项目使用的是 1.15.0 版本，因此需要降级到 TensorFlow 1.15.0，并重启运行时（尽管新版 Google Colab 不再要求重启运行时）。\n\n      !pip install tensorflow==1.15.0\n\n- 安装 TensorFlow 工具包 [neuralgym](https:\u002F\u002Fgithub.com\u002FJiahuiYu\u002Fneuralgym)。\n\n      !pip install git+https:\u002F\u002Fgithub.com\u002FJiahuiYu\u002Fneuralgym\n\n- 使用此 [链接](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1xRV4EdjJuAfsX9pQme6XeoFznKXG0ptJ?usp=sharing) 下载模型文件夹，并将其放入 `model\u002F` 目录下（将 `checkpoint.txt` 重命名为 `checkpoint`，因为有时 Google Drive 下载后会自动添加 `.txt` 后缀）。\n\n现在一切就绪！！\n\n- 接下来，通过运行 `main.py` 文件来移除图片中的水印：\n\n      !python main.py --image 输入图片路径 --output 输出图片路径 --checkpoint_dir model\u002F --watermark_type istock\n\n## 引用\n\n```\n@article{yu2018generative,\n  title={Generative Image Inpainting with Contextual Attention},\n  author={Yu, Jiahui and Lin, Zhe and Yang, Jimei and Shen, Xiaohui and Lu, Xin and Huang, Thomas S},\n  journal={arXiv preprint arXiv:1801.07892},\n  year={2018}\n}\n\n@article{yu2018free,\n  title={Free-Form Image Inpainting with Gated Convolution},\n  author={Yu, Jiahui and Lin, Zhe and Yang, Jimei and Shen, Xiaohui and Lu, Xin and Huang, Thomas S},\n  journal={arXiv preprint arXiv:1806.03589},\n  year={2018}\n}\n```\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#zuruoke\u002Fwatermark-removal\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_c9dc97c2ccbd.png&theme=dark\" \u002F>\n    \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_c9dc97c2ccbd.png\" \u002F>\n    \u003Cimg alt=\"星数历史图表\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_readme_c9dc97c2ccbd.png\" \u002F>\n  \u003C\u002Fpicture>\n\u003C\u002Fa>\n\u003C\u002Fp>\n\n## © 钦祖鲁奥克·奥卡福","# Watermark-Removal 快速上手指南\n\nWatermark-Removal 是一个基于机器学习的开源项目，利用图像修复（Inpainting）技术移除图片中的水印，效果逼真，几乎无法与原始图像区分。该项目灵感来源于 CVPR 2018 的 Contextual Attention 和 ICCV 2019 的 Gated Convolution 论文。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**: Linux, macOS 或 Windows (需安装 Docker)\n*   **核心依赖**: \n    *   Docker (推荐方式，避免环境冲突)\n    *   或者 Python 3.x + TensorFlow 1.15.0 (本地运行较复杂，建议优先使用 Docker)\n*   **模型文件**: 需预先下载预训练模型权重。\n\n## 安装步骤\n\n本项目推荐使用 **Docker** 方式进行部署，以确保 TensorFlow 1.15.0 环境的稳定性。\n\n### 1. 克隆项目代码\n将仓库克隆到本地计算机：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal.git\ncd watermark-removal\n```\n\n### 2. 构建 Docker 镜像\n在项目根目录下执行以下命令构建镜像：\n```bash\ndocker build -t watermark-removal .\n```\n\n### 3. 下载预训练模型\n访问 [Google Drive 链接](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1xRV4EdjJuAfsX9pQme6XeoFznKXG0ptJ?usp=sharing) 下载模型目录。\n*   下载完成后，请记住模型文件夹在您本地的绝对路径（例如：`\u002Fhome\u002Fuser\u002Fmodels` 或 `C:\\Users\\user\\models`）。\n*   *注意：如果下载的文件名为 `checkpoint.txt`，请将其重命名为 `checkpoint`。*\n\n## 基本使用\n\n准备好环境和模型后，即可通过 Docker 容器运行去水印任务。\n\n### 运行命令\n请替换下方命令中的 `\u003Cpath_to_...>` 为您本地的实际路径：\n\n```bash\ndocker run --rm \\\n  -v '\u003Cpath_to_model_dir>:\u002Frepo\u002Fmodel' \\\n  -v '\u003Cpath_to_input_dir>:\u002Finput' \\\n  -v '\u003Cpath_to_output_dir>:\u002Foutput' \\\n  watermark-removal \\\n  --checkpoint_dir \u002Frepo\u002Fmodel \\\n  --image '\u002Finput\u002F\u003Cinput_image_file>' \\\n  --output '\u002Foutput\u002F\u003Coutput_image_file>' \\\n  --watermark_type istock\n```\n\n**参数说明：**\n*   `\u003Cpath_to_model_dir>`: 步骤 3 中下载的模型文件夹本地路径。\n*   `\u003Cpath_to_input_dir>`: 存放待处理图片的本地文件夹路径。\n*   `\u003Cpath_to_output_dir>`: 用于保存处理后图片的本地文件夹路径。\n*   `\u003Cinput_image_file>`: 输入图片的文件名（需位于 input 目录中）。\n*   `\u003Coutput_image_file>`: 输出图片的文件名。\n*   `--watermark_type`: 水印类型，目前示例支持 `istock`。\n\n### 示例\n假设您的模型在 `\u002Fdata\u002Fmodels`，原图 `photo.jpg` 在 `\u002Fdata\u002Fimages`，想将结果保存为 `clean.jpg` 到 `\u002Fdata\u002Fresults`：\n\n```bash\ndocker run --rm \\\n  -v '\u002Fdata\u002Fmodels:\u002Frepo\u002Fmodel' \\\n  -v '\u002Fdata\u002Fimages:\u002Finput' \\\n  -v '\u002Fdata\u002Fresults:\u002Foutput' \\\n  watermark-removal \\\n  --checkpoint_dir \u002Frepo\u002Fmodel \\\n  --image '\u002Finput\u002Fphoto.jpg' \\\n  --output '\u002Foutput\u002Fclean.jpg' \\\n  --watermark_type istock\n```\n\n运行结束后，检查 `\u002Fdata\u002Fresults` 目录即可获取去除水印后的图片。","一家数字营销机构的设计师急需将一张带有 iStock 水印的高质量风景图用于客户的新品宣传海报，但预算有限无法立即购买授权预览版。\n\n### 没有 watermark-removal 时\n- **手动修复耗时极长**：设计师只能依赖 Photoshop 的仿制图章工具逐像素涂抹，处理复杂背景（如树叶、波浪）时往往需要数小时。\n- **痕迹明显影响质感**：人工修补极易留下模糊块或重复纹理，导致画面出现“脏点”，在高清印刷或大屏展示时显得非常廉价。\n- **创意迭代受阻**：由于去水印过程繁琐，团队不敢轻易尝试多张备选素材，严重拖慢了整体设计方案的产出节奏。\n- **法律合规风险高**：若直接使用带水印图片进行内部提案演示，可能违反素材库的使用条款，给公司带来潜在的版权纠纷。\n\n### 使用 watermark-removal 后\n- **秒级自动化处理**：利用基于 Contextual Attention 的深度学习模型，watermark-removal 能在几秒钟内自动识别并擦除 iStock 类型水印。\n- **还原度近乎完美**：算法能智能推断被遮挡的背景细节，生成的图像在纹理和光影上与原始无水印版本几乎无法区分，彻底消除人工痕迹。\n- **大幅提升工作流效率**：设计师可批量快速处理多张候选图片，专注于创意构图而非繁琐的修图工作，方案输出速度提升数倍。\n- **安全辅助决策**：在正式购买授权前，团队可使用清洗后的高清图进行高保真效果预览和内部评审，确保每一分预算都花在刀刃上。\n\nwatermark-removal 通过 AI 图像修复技术，将原本耗时且低质的手工去水印过程转变为高效、无损的自动化流程，极大释放了创意生产力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzuruoke_watermark-removal_ee1a187a.png","zuruoke","Zuruoke Okafor","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fzuruoke_62f86e65.jpg","knowledge seeker -> walt disney optimist -> code is the unanimous optimal medium to express myself (w.r.t problem-solving)",null,"London, UK","zuruoke_okafor","https:\u002F\u002Fgithub.com\u002Fzuruoke",[81,85],{"name":82,"color":83,"percentage":84},"Python","#3572A5",98.6,{"name":86,"color":87,"percentage":88},"Dockerfile","#384d54",1.4,4466,516,"2026-04-18T16:27:39","Linux, macOS, Windows","未说明（基于 TensorFlow 1.15.0，通常建议 NVIDIA GPU 以加速推理，但 CPU 亦可运行）","未说明",{"notes":96,"python":97,"dependencies":98},"1. 该项目依赖较旧的 TensorFlow 1.15.0 版本，在现代环境中安装可能遇到兼容性问题。\n2. Google Colab 使用说明中提到需手动降级 TensorFlow 并安装 neuralgym 工具包。\n3. 必须手动从 Google Drive 下载模型文件至 model\u002F 目录，并将 checkpoint.txt 重命名为 checkpoint。\n4. 支持通过 Docker 运行，需挂载模型、输入和输出目录。\n5. 运行命令需指定水印类型（如 --watermark_type istock）。","未说明（需兼容 TensorFlow 1.15.0，通常推荐 Python 3.6 或 3.7）",[99,100],"tensorflow==1.15.0","neuralgym",[14,15],[103,104,105,106,107],"tensorflow","deep-learning","machine-learning","python","watermark-image","2026-03-27T02:49:30.150509","2026-04-19T15:38:50.874993",[111,116,121,126,131,136],{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},42488,"运行脚本时提示找不到 mask.png 文件或报错 AttributeError: 'NoneType' object has no attribute 'shape'怎么办？","该文件存在于仓库的 utils\u002Fistock\u002Flandscape\u002Fmask.png 路径下。如果脚本报错，请尝试将代码中的路径修改为指向您本地 mask.png 文件的绝对路径。此外，为了获得更好的效果，建议使用分辨率为 683 x 1024 或宽高比约为 1.4 的 iStock 图片。","https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal\u002Fissues\u002F1",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},42489,"遇到 AttributeError: module 'tensorflow' has no attribute 'contrib'错误如何解决？","这是因为版本不兼容。该仓库需要 TensorFlow 1.15 版本，而较新的 TensorFlow 2.x 版本移除了 contrib 模块。解决方案是使用 conda 创建一个 Python 3.6 的环境，并在其中安装 requirements.txt 指定的依赖（即 TensorFlow 1.15）。","https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal\u002Fissues\u002F16",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},42490,"程序对输入图片的尺寸有什么具体要求？","推荐的图片尺寸为 1024 x 683 像素，或者宽高比在 1.25 到 1.6 之间。不符合此要求的图片可能会导致处理失败或效果不佳。","https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal\u002Fissues\u002F8",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},42491,"在 Google Colab 中安装 tensorflow==1.15.0 失败怎么办？","由于默认环境可能不支持旧版 TensorFlow，建议在 Colab 中使用 Python 3.6 的 Docker 镜像来运行代码，这样可以顺利安装 tensorflow==1.15.0。","https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal\u002Fissues\u002F25",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},42492,"处理人像图片时报错 FileNotFoundError: utils\u002Fistock\u002Fpotrait\u002Fmask.png 不存在怎么办？","这通常是因为相对路径配置问题。解决方法是修改代码中加载 mask 文件的路径，将其更改为您本地 mask.png 文件的绝对路径即可正常运行。","https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal\u002Fissues\u002F4",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},42493,"运行时报错 ModuleNotFoundError: No module named 'PIL'如何处理？","这是因为缺少 Pillow 库。请在您的环境中运行命令 `pip install Pillow` 进行安装（注意：包名为 Pillow，但导入时使用 PIL）。","https:\u002F\u002Fgithub.com\u002Fzuruoke\u002Fwatermark-removal\u002Fissues\u002F28",[]]