推理版局部重绘技术LanPaint：零训练图像修复新方法

近期，开发者 scraed 在 GitHub 上推出了 LanPaint，这是一款无需额外训练的图像修复工具。该工具致力于为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，甚至适用于用户自定义的训练模型。LanPaint 通过多次迭代使模型在去噪之前进行“思考”，从而获得更为无缝且准确的修复效果。

LanPaint 的一大亮点是其零训练修复功能。用户可以直接在任何 SD 模型上应用该工具，而无需经历繁琐的训练过程。此外，LanPaint 的集成异常简单，用户可像使用标准的 ComfyUI KSampler 一样进行操作，这一流畅的工作流程显著降低了使用门槛。

从功能上来看，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放至 ComfyUI，即可进行多种修复任务。例如，用户可以将图像中的篮筐转换为篮球或将白衬衫更改为蓝衬衫等。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 的过程非常简便。用户需要首先安装 ComfyUI 和 ComfyUI-Manager，并可以通过搜索或手动安装的方式将 LanPaint 节点加入到工具中。安装完成后，LanPaint 节点将出现在 ComfyUI 的“采样”类别中，用户能够像使用默认的 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 LanPaint 对二进制掩码（值为0或1）的要求，且掩码的透明度和硬度必须设置为最大，以确保兼容。此外，LanPaint 在文本提示方面对用户要求较高，用户需清晰描述希望在掩码区域生成的内容。

LanPaint 在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。

项目链接：https://github.com/scraed/LanPaint

关键要点:

🎨 零训练修复：支持用户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，显著降低使用门槛。

🚀 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。