LanPaint：适用于Stable Diffusion模型的无需额外训练的高质量图像修复工具

LanPaint是什么？

LanPaint 是一种无需额外训练的高质量图像修复工具，适用于所有基于 Stable Diffusion 的模型。它通过多次迭代的“思考”过程来优化去噪步骤，从而实现无缝且精确的修复效果。

LanPaint功能特点

• 无需训练：LanPaint 可以立即与任何 Stable Diffusion 模型配合使用，包括用户自定义的模型。

• 简单集成：与标准的 ComfyUI KSampler 工作流相同，易于上手。

• 高质量修复：通过精确的条件推断和快速收敛的 Langevin 动力学框架，LanPaint 能够在少量迭代中实现高保真结果。

LanPaint使用方法

1. 安装 ComfyUI：按照官方指南安装 ComfyUI。

2. 安装 ComfyUI-Manager：用于方便管理扩展。

3. 安装 LanPaint 节点：

• 通过 ComfyUI-Manager 搜索并安装 LanPaint。

• 或者手动克隆 LanPaint 仓库到 ComfyUI/custom_nodes 文件夹。

• 重启 ComfyUI：加载 LanPaint 节点后，即可在 ComfyUI 的“采样”类别中找到 LanPaint 节点。

4. 参数调整

• LanPaint_NumSteps：表示每次去噪步骤中的迭代次数，复杂任务建议设置为 5-10。

• LanPaint_Lambda：控制内容对齐的强度，推荐值为 6.0。

• LanPaint_StepSize：每次迭代的步长，推荐值为 0.1，困难任务可设置为 0.5。

• LanPaint_cfg_BIG：用于对齐遮罩区域和未遮罩区域的 CFG 比例，推荐值为 8。

LanPaint使用

LanPaint 提供了多种示例，包括将篮子修复为篮球、白衬衫修复为蓝衬衫、笑容修复为悲伤表情等。用户可以通过下载相关工作流和遮罩文件，并在 ComfyUI 中加载对应的模型和图像来尝试这些示例。

LanPaint优势

• 快速收敛：通过 Fast Langevin Dynamics（FLD）框架，LanPaint 在极少数迭代中即可实现高质量修复。

• 避免局部最优陷阱：通过双向引导（BiG）分数函数，LanPaint 能够避免因大步长扩散步骤导致的局部最优问题。

• 广泛的适用性：无需针对特定数据集或模型进行训练，即可直接应用于各种社区训练的扩散模型。

LanPaint适用场景

• 图像修复：修复老照片、去除划痕或损坏部分。

• 创意设计：扩展图像边界、替换内容、生成新元素。

• 艺术创作：根据文本提示生成风格一致的新内容。

• 商业图像处理：广告设计、产品图优化。

• 隐私保护：去马赛克、恢复模糊内容。

GitHub仓库地址：https://github.com/scraed/LanPaint