近日，開發者scraed 在GitHub 上發布了LanPaint，一個無需額外訓練的圖像修復工具。該工具旨在幫助用戶在任何穩定擴散模型（SD）上實現高質量的圖像修復效果，甚至包括用戶自己訓練的自定義模型。 LanPaint 通過多次迭代讓模型在去噪之前“思考”，從而獲得更為無縫和準確的修復結果。
LanPaint 的主要特點之一是零訓練修復。用戶可以立即在任何SD 模型上使用該工具，無需進行繁瑣的訓練過程。此外，LanPaint 的集成十分簡單，用戶可以像使用標準的ComfyUI KSampler 一樣進行操作，流暢的工作流程大大降低了使用門檻。
在功能方面，LanPaint 提供高質量的無縫修復體驗。用戶只需按照說明下載示例文件，並將圖像拖入ComfyUI，即可使用該工具進行多種類型的修復任務。例如，用戶可以將籃筐圖像轉變為籃球圖像，或將白襯衫變為藍襯衫等。不同的示例結果展示了LanPaint 在處理複雜圖像時的強大能力。
使用LanPaint 非常簡單。用戶只需安裝ComfyUI 和ComfyUI-Manager，並通過搜索或手動安裝的方式加入LanPaint 節點。安裝完成後，LanPaint 節點會出現在ComfyUI 的“採樣” 類別中，用戶可以像使用默認的KSampler 一樣進行高質量的圖像修復。
在使用過程中，用戶需要注意的是，LanPaint 要求使用二進制掩碼（值為0或1），且掩碼的透明度和硬度必須設置為最大，以確保兼容性。此外，LanPaint 對用戶的文本提示非常依賴，用戶需要明確描述希望在掩碼區域生成的內容。
LanPaint 為圖像修復領域帶來了革命性的改進，簡化了操作流程，提升了修復質量，為廣大用戶提供了更為強大的圖像處理工具。
項目：https://github.com/scraed/LanPaint
劃重點:
零訓練修復:支持立即在任何穩定擴散模型上使用，無需額外訓練。
簡單集成:與標準ComfyUI KSampler 相同的工作流程，降低使用門檻。
高質量修復:提供高質量、無縫的圖像修復效果，支持多種複雜修復任務。