近日，开发者 scraed 在 GitHub 上发布了 LanPaint，一个无需额外训练的图像修复工具。该工具旨在帮助用户在任何稳定扩散模型（SD）上实现高质量的图像修复效果，甚至包括用户自己训练的自定义模型。LanPaint 通过多次迭代让模型在去噪之前 “思考”，从而获得更为无缝和准确的修复结果。
LanPaint 的主要特点之一是零训练修复。用户可以立即在任何 SD 模型上使用该工具，无需进行繁琐的训练过程。此外，LanPaint 的集成十分简单，用户可以像使用标准的 ComfyUI KSampler 一样进行操作，流畅的工作流程大大降低了使用门槛。
在功能方面，LanPaint 提供高质量的无缝修复体验。用户只需按照说明下载示例文件，并将图像拖入 ComfyUI，即可使用该工具进行多种类型的修复任务。例如，用户可以将篮筐图像转变为篮球图像，或将白衬衫变为蓝衬衫等。不同的示例结果展示了 LanPaint 在处理复杂图像时的强大能力。
使用 LanPaint 非常简单。用户只需安装 ComfyUI 和 ComfyUI-Manager，并通过搜索或手动安装的方式加入 LanPaint 节点。安装完成后，LanPaint 节点会出现在 ComfyUI 的 “采样” 类别中，用户可以像使用默认的 KSampler 一样进行高质量的图像修复。
在使用过程中，用户需要注意的是，LanPaint 要求使用二进制掩码（值为0或1），且掩码的透明度和硬度必须设置为最大，以确保兼容性。此外，LanPaint 对用户的文本提示非常依赖，用户需要明确描述希望在掩码区域生成的内容。
LanPaint 为图像修复领域带来了革命性的改进，简化了操作流程，提升了修复质量，为广大用户提供了更为强大的图像处理工具。
项目：https://github.com/scraed/LanPaint
划重点:
零训练修复:支持立即在任何稳定扩散模型上使用，无需额外训练。
简单集成:与标准 ComfyUI KSampler 相同的工作流程，降低使用门槛。
高质量修复:提供高质量、无缝的图像修复效果，支持多种复杂修复任务。