图像修复技术旨在填补图像缺失区域或去除不需要的部分，使其看起来自然。本文介绍了多个前沿的图像修复开源模型和数据集，例如LaMa、PowerPaint、IOPaint、BrushNet和MAT等，它们分别在处理大尺寸遮挡、多功能图像修补、图像扩展、基于分割掩膜修复和高分辨率图像修复等方面具有优势。此外，文章还提供了CelebA、Places2和NVIDIA Irregular Mask等数据集，为图像修复模型的训练和评估提供了宝贵资源，旨在加速开发人员的研究进程，轻松获取所需工具与数据。

关键要点

• 🤔LaMa模型：由三星、EPFL、Skotech提出，专注于处理大尺寸遮挡区域的图像修复，采用快速傅里叶卷积和高感受野感知损失等技术，在高分辨率下表现出色。

• 🎨PowerPaint模型：由清华大学（深圳）和上海人工智能实验室开发，支持插入物体、移除物体、图像扩展等多种功能，通过学习定制的任务提示词来实现不同修复任务。

• 🧰IOPaint工具：一个免费开源的全自动托管图像修复/扩展工具，集成LaMa和PowerPaint等模型，提供擦除、修复和扩展等功能，并提供macOS和iOS应用程序OptiClean。

• 🖌️BrushNet模型：腾讯和港中大联合开发的即插即用图像修复方法，采用像素级掩膜图像特征插入架构，在图像质量、掩膜区域保留和文本一致性等方面表现优异，并提供BrushData和BrushBench数据集。

• 🖼️MAT模型：港中大、Adobe等提出的第一个基于Transformer的高分辨率图像修复系统，通过多头上下文注意力和样式操作模块，在Places和CelebA-HQ等数据集上取得了SOTA效果。