什么是 Lama Cleaner ？

Lama Cleaner 是由 SOTA AI 模型提供支持的图像修复工具。可以从图片中移除任何不需要的物体、缺陷和人，或者擦除并替换（powered by stable diffusion）图片上的任何东西。

看看官方提供的视频，应该比较容易理解其功能

其实主要功能就 3 项：

1. 删除图像上不需要的东西；
2. 修复旧照片；
3. 替换图片上的东西；

Lama Cleaner 分为 GPU 版本和 CPU 版本，这两个版本的体积相差巨大，老苏猜测CPU 版本应该是个精简版，没有内置 stable diffusion，因此是不支持替换功能的，能否修复旧照片，老苏没试，因为手上没有

GPU 版本的要求最起码应该是要有Nvidia 显卡的，具体型号老苏没用过也不懂，反正老苏的小机器上只有集显，也就只能选择 CPU 版随便玩玩

• cuda11.6
• pytorch1.12.1
• minimum nvidia driver 510.39.01+

CPU 版镜像下载后大约是 2G,GPU 版保守估计 10G，大家要留好空间

安装

在群晖上以 Docker 方式安装。

在注册表中搜索 lama-cleaner ，选择第二个 cwq1913/lama-cleaner，版本老苏选的是 cpu-0.26.1

如果你的机器有 Nvidia 显卡，可以试试 gpu的版本

卷

在 docker 文件夹中，创建一个新文件夹 lama，并在其中建两个子文件夹，分别是 huggingface_cache 和 torch_cache

文件夹	装载路径	说明
docker/lama/huggingface_cache	/root/.cache/huggingface	存放 sd1.5 模型
docker/lama/torch_cache	/root/.cache/torch	存放 lama/ldm/zits/mat/fcf 模型

对于 stable-diffusion 1.5 模型，您需要接受访问条款，并获取 access token，具体方法请自行研究官方文档，因为cpu 版本不涉及这个模型的下载和使用；

端口

本地端口不冲突就行，不确定的话可以用命令查一下

# 查看端口占用
netstat -tunlp | grep 端口号

本地端口	容器端口
8184	8184

默认的容器端口是 8080

可以通过命令行修改，这里老苏用了 8184

环境

没有用到环境变量，但是用了命令行，这个我们之前说过，命令行只有第一次生效，所以别忘记了，因为我们前面改了容器端口

在 命令 中输入

lama-cleaner --device cpu --port 8184 --host 0.0.0.0

命令行安装

如果你熟悉命令行，可能用 docker cli 更快捷

# 新建文件夹 lama 和 子目录
mkdir -p /volume2/docker/lama/{huggingface_cache,torch_cache}
# 进入 lama 目录
cd /volume2/docker/lama
# 运行容器
docker run -d \
   --restart unless-stopped \
   --name lama-cleaner \
   -p 8184:8184 \
   -v $(pwd)/torch_cache:/root/.cache/torch \
   -v $(pwd)/huggingface_cache:/root/.cache/huggingface \
   cwq1913/lama-cleaner:cpu-0.26.1 \
   lama-cleaner --device=cpu --port=8184 --host=0.0.0.0

也可以用 docker-compose 安装，将下面的内容保存为 docker-compose.yml 文件

version: '3'
services:
  lamecleaner:
    image: cwq1913/lama-cleaner:cpu-0.26.1
    container_name: lama-cleaner
    restart: unless-stopped
    ports:
      - 8184:8184
    volumes:
      - ./torch_cache:/root/.cache/torch
      - ./huggingface_cache:/root/.cache/huggingface
    command: lama-cleaner --device=cpu --port=8184 --host=0.0.0.0

换一种 command 写法也是可以的

    command:
      - lama-cleaner 
      - --device=cpu 
      - --port=8184 
      - --host=0.0.0.0

还可以写成

    command: ["lama-cleaner", "--device=cpu", "--port=8184", "--host=0.0.0.0"]

老苏之所以跟研究茴香豆的“茴”字到底有几种写法一样研究 command的写法，是因为几种安装方式都存在差异，尤其是图形化安装时，因为写了 = 号导致容器一直起不来，总是隔一段时间就忘记，真是受不了自己；

然后执行下面的命令

# 新建文件夹 lama 和 子目录
mkdir -p /volume2/docker/lama/{huggingface_cache,torch_cache}
# 进入 lama 目录
cd /volume2/docker/lama
# 将 docker-compose.yml 放入当前目录
# 一键启动
docker-compose up -d

运行

第一次启动失败了，从日志看，需要下载 Downloading: "https://github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt" to /root/.cache/torch/hub/checkpoints/big-lama.pt

所以第一种方法是将 github.com 加入科学上网的白名单，再次启动容器就开始下载了

看到 * Running on http://0.0.0.0:8184/ (Press CTRL+C to quit) ，就可以开始使用了

下载的 big-lama.pt 在 /docker/lama/torch_cache/hub/checkpoints 目录中

所以第二种方式是，如果你的群晖不能科学上网的话，你可以借助 ghproxy，直接下载这个模型文件丢到上面的目录中

# 通过代理下载模型文件的地址
https://ghproxy.com/github.com/Sanster/models/releases/download/add_big_lama/big-lama.pt

当然这是 CPU 版，需要的模型比较少，如果是GPU 版的话，估计模型会更多，注意看日志吧

使用

在浏览器中输入 http://群晖IP:8184 就能看到主界面

老苏随便选了一张，准备把中间的小刺猬抹掉

这个效果怎么样？

对比原始图看看，灯是被遮挡了的缘故，所以是无法还原的，远处的云和山不放大看细节，还原度还是可以的，起码不会一眼穿帮吧

参考文档

Sanster/lama-cleaner: Image inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.
地址：https://github.com/Sanster/lama-cleaner