Skip to content

AI-Powered Watermark Remover using Florence-2 and LaMA Models: A Python application leveraging state-of-the-art deep learning models to effectively remove watermarks from images with a user-friendly PyQt6 interface.

License

Notifications You must be signed in to change notification settings

D-Ogi/WatermarkRemover-AI

Repository files navigation

WatermarkRemover-AI

Outil de suppression de filigranes alimenté par l'IA utilisant les modèles Florence-2 et LaMA

Exemple de suppression de filigrane

Aperçu

WatermarkRemover-AI est une application de pointe qui utilise des modèles d'IA pour détecter et supprimer les filigranes de manière précise. Elle utilise Florence-2 de Microsoft pour identifier les filigranes et LaMA pour le remplissage naturel des régions supprimées. Le logiciel propose à la fois une interface en ligne de commande (CLI) et une interface graphique (GUI) basée sur PyQt6, le rendant accessible aux utilisateurs novices et avancés.

Caractéristiques

  • Modes multiples : Traitez des fichiers individuels ou des dossiers entiers d'images et de vidéos.
  • Détection avancée de filigranes : Utilise la détection à vocabulaire ouvert de Florence-2 pour une identification précise des filigranes.
  • Inpainting sans couture : Emploie LaMA pour un remplissage de haute qualité et sensible au contexte.
  • Support vidéo : Traitement des fichiers vidéo image par image pour supprimer les filigranes.
  • Sortie personnalisable :
    • Configurez la taille maximale de la boîte englobante pour la détection des filigranes.
    • Définissez la transparence pour les régions de filigrane (images uniquement).
    • Forcez des formats de sortie spécifiques (PNG, WEBP, JPG pour les images; MP4, AVI pour les vidéos).
  • Suivi de la progression : Mises à jour de la progression en temps réel en mode GUI et CLI.
  • Support du mode sombre : L'interface graphique s'adapte automatiquement aux paramètres du mode sombre du système.
  • Gestion efficace des ressources : Optimisé pour l'accélération GPU à l'aide de CUDA (optionnel).

Installation rapide

Consultez le fichier DEMARRAGE_RAPIDE.md pour une installation et une mise en route rapides.

Pour une installation détaillée, référez-vous au fichier INSTALLATION_FR.md.

Prérequis

  • Conda/Miniconda installé.
  • CUDA (optionnel pour l'accélération GPU ; l'application fonctionne bien sur CPU également).

Installation en un clic

Exécutez le script PowerShell d'installation :

powershell -ExecutionPolicy Bypass -File install_windows.ps1

Ce script installe automatiquement toutes les dépendances et télécharge le modèle LaMA nécessaire.

Utilisation

Utilisation de l'interface graphique (GUI)

  1. Lancez l'application avec :

    conda activate py312aiwatermark
    python remwmgui.py
    
  2. Configurez les paramètres :

    • Mode : Sélectionnez "Process Single File" ou "Process Directory"
    • Chemins : Parcourez et définissez les répertoires d'entrée/sortie
    • Options :
      • Activer l'écrasement des fichiers existants
      • Activer la transparence pour les régions de filigrane (images uniquement)
      • Ajuster la taille maximale de la boîte englobante
    • Format de sortie : Choisissez entre PNG, WEBP, JPG pour les images, MP4, AVI pour les vidéos, ou conserver le format d'origine
  3. Commencez le traitement :

    • Cliquez sur "Start" pour démarrer
    • Surveillez la progression et les logs dans l'interface

Utilisation en ligne de commande (CLI)

  1. Commande de base :

    python remwm.py chemin_entrée chemin_sortie
    
  2. Options :

    • --overwrite : Écrase les fichiers existants
    • --transparent : Rend les régions de filigrane transparentes (images uniquement)
    • --max-bbox-percent : Définit la taille maximale de la boîte englobante (par défaut : 10%)
    • --force-format : Force le format de sortie (PNG, WEBP, JPG pour les images; MP4, AVI pour les vidéos)
  3. Exemples :

    python remwm.py ./images_entrée ./images_sortie --overwrite --max-bbox-percent=15 --force-format=PNG
    
    python remwm.py ./video_entrée.mp4 ./video_sortie.mp4 --max-bbox-percent=15 --force-format=MP4
    

Remarques sur la mise à niveau

Si vous avez déjà utilisé une version antérieure du dépôt, suivez ces étapes pour mettre à niveau :

  1. Mettez à jour le dépôt :

    git pull
    
  2. Supprimez l'ancien environnement :

    conda deactivate
    conda env remove -n py312
    
  3. Exécutez le script d'installation :

    powershell -ExecutionPolicy Bypass -File install_windows.ps1
    

Problèmes courants

Consultez le fichier INSTALLATION_FR.md pour les solutions aux problèmes courants.

Licence

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.

About

AI-Powered Watermark Remover using Florence-2 and LaMA Models: A Python application leveraging state-of-the-art deep learning models to effectively remove watermarks from images with a user-friendly PyQt6 interface.

Topics

Resources

License

Code of conduct

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published