Mindket

Inpaint_Me

新上架第 1 版 · 更新于

概览

在 Streamlit 页面里用图像修复补全或修补图片的指定部分,附带示例图和修复结果,适合修图的人和机器学习学习者。

Inpaint_Me 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 如果用在线 Space,什么都不用装
  • 只有运行副本时才需要在电脑上装 Python
  • requirements.txt 里列出的依赖包
  • packages.txt 里的系统软件包,Hugging Face 用 apt-get 安装它们
用在
  • 网页浏览器,在 Hugging Face 上的 Space 页面里
  • 装有 Python 的 Windows、macOS 或 Linux,用下载的副本运行
先运行
pip install -U huggingface_hub
hf download Huertas97/Inpaint_Me --repo-type space --local-dir Inpaint_Me
cd Inpaint_Me

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Inpaint_Me 是一个做图像修复的 Streamlit 应用,从名字看,图像修复就是补全或修补图片的一部分。仓库里有 Examples 文件夹、存放结果的 Examples_inpainted 文件夹、两个标志,以及主文件 app_inpaint.py。

适合谁

它适合想在浏览器里试试图像修复的修图者,也适合想把输入和结果放在一起看的学习者。记录没有描述控件,请打开页面查看。

行业使用者使用方式例子
摄影修图业余摄影师修补或填上图片里受损的部分试一张示例图片,看结果
设计平面设计师测试模型如何补上图像里的空缺把一张示例和它的修复版对比
教育机器学习的学生把图像修复的输入和输出放在一起看浏览 Examples 和 Examples_inpainted 文件夹

如果你需要处理视频或批量处理图片,可以跳过它。

用在哪里

  • 网页浏览器,在 Hugging Face 上的 Space 页面里
  • 装有 Python 的 Windows、macOS 或 Linux,用下载的副本运行
用例适合谁得到什么
修补图片的一部分修图者所选区域被补上的图片
研究图像修复示例学习者原图和修复后的图片并排呈现
作为基础复用开发者一个可以改造的 Streamlit 应用

如何设置

  • 如果用在线 Space,什么都不用装
  • 只有运行副本时才需要在电脑上装 Python
  • requirements.txt 里列出的依赖包
  • packages.txt 里的系统软件包,Hugging Face 用 apt-get 安装它们
  1. 在浏览器里打开 Space 页面,无需安装就能使用。
  2. 想运行副本,先安装 Hugging Face Hub 包,再下载这个 Space。
  3. 进入新文件夹,然后安装 Streamlit 和清单里的依赖。
  4. 用 Streamlit 启动应用,主文件是 app_inpaint.py。
pip install -U huggingface_hub
hf download Huertas97/Inpaint_Me --repo-type space --local-dir Inpaint_Me
cd Inpaint_Me
pip install streamlit
pip install -r requirements.txt
streamlit run app_inpaint.py

如何使用

在线使用时,打开 Space,用页面上的控件操作。在自己的电脑上,则在 Space 文件夹里用 Streamlit 运行主文件,再使用它提供的页面。示例图片是快速了解它表现的办法。

streamlit run app_inpaint.py

示例

你打开 Space,选一张示例图片。应用会补全你选的部分,并显示修复后的图片。记录没有描述这些控件,请看页面。

新手与专家

图像修复是指程序根据周围的像素,猜测缺失或不想要的区域该填什么。先打开 Space,试一张示例图片。

如果你熟悉这个领域,这个应用是图像修复模型外面的 Streamlit 前端,packages.txt 里列出了系统软件包。记录没有写明模型、设置或质量数据,所以请查看 app_inpaint.py 看看实际运行的是什么。

  1. 你选一张图片和一块区域
  2. Streamlit 页面把它们交给 app_inpaint.py
  3. 图像修复模型补全这块区域
  4. 页面显示修复后的图片

注意事项

  • License: Apache 2,Space 上就是这样标注的
  • Cost to run: 未提及
  • Data it reaches: 你给它的图片,以及仓库里的示例文件
  • Not for: 记录没有列出排除项,所以请确认你编辑的图片是你有权修改的

README 和文件

README

Inpaint_Me

在 Streamlit 页面里用图像修复补全或修补图片的指定部分,附带示例图和修复结果,适合修图的人和机器学习学习者。

由 Huertas97 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Inpaint_Me 是一个做图像修复的 Streamlit 应用,从名字看,图像修复就是补全或修补图片的一部分。仓库里有 Examples 文件夹、存放结果的 Examples_inpainted 文件夹、两个标志,以及主文件 app_inpaint.py。

适合谁:它适合想在浏览器里试试图像修复的修图者,也适合想把输入和结果放在一起看的学习者。记录没有描述控件,请打开页面查看。

行业 | 使用者 | 使用方式 | 例子
摄影修图 | 业余摄影师 | 修补或填上图片里受损的部分 | 试一张示例图片,看结果
设计 | 平面设计师 | 测试模型如何补上图像里的空缺 | 把一张示例和它的修复版对比
教育 | 机器学习的学生 | 把图像修复的输入和输出放在一起看 | 浏览 Examples 和 Examples_inpainted 文件夹

如果你需要处理视频或批量处理图片,可以跳过它。

用在哪里:

  • 网页浏览器,在 Hugging Face 上的 Space 页面里
  • 装有 Python 的 Windows、macOS 或 Linux,用下载的副本运行
用例 | 适合谁 | 得到什么
修补图片的一部分 | 修图者 | 所选区域被补上的图片
研究图像修复示例 | 学习者 | 原图和修复后的图片并排呈现
作为基础复用 | 开发者 | 一个可以改造的 Streamlit 应用

如何设置:

  • 如果用在线 Space,什么都不用装
  • 只有运行副本时才需要在电脑上装 Python
  • requirements.txt 里列出的依赖包
  • packages.txt 里的系统软件包,Hugging Face 用 apt-get 安装它们
  1. 在浏览器里打开 Space 页面,无需安装就能使用。
  2. 想运行副本,先安装 Hugging Face Hub 包,再下载这个 Space。
  3. 进入新文件夹,然后安装 Streamlit 和清单里的依赖。
  4. 用 Streamlit 启动应用,主文件是 app_inpaint.py。
pip install -U huggingface_hub
hf download Huertas97/Inpaint_Me --repo-type space --local-dir Inpaint_Me
cd Inpaint_Me
pip install streamlit
pip install -r requirements.txt
streamlit run app_inpaint.py

如何使用:在线使用时,打开 Space,用页面上的控件操作。在自己的电脑上,则在 Space 文件夹里用 Streamlit 运行主文件,再使用它提供的页面。示例图片是快速了解它表现的办法。

streamlit run app_inpaint.py

示例:你打开 Space,选一张示例图片。应用会补全你选的部分,并显示修复后的图片。记录没有描述这些控件,请看页面。

新手与专家:图像修复是指程序根据周围的像素,猜测缺失或不想要的区域该填什么。先打开 Space,试一张示例图片。

如果你熟悉这个领域,这个应用是图像修复模型外面的 Streamlit 前端,packages.txt 里列出了系统软件包。记录没有写明模型、设置或质量数据,所以请查看 app_inpaint.py 看看实际运行的是什么。

你选一张图片和一块区域
Streamlit 页面把它们交给 app_inpaint.py
图像修复模型补全这块区域
页面显示修复后的图片

注意事项:

  • License: Apache 2,Space 上就是这样标注的
  • Cost to run: 未提及
  • Data it reaches: 你给它的图片,以及仓库里的示例文件
  • Not for: 记录没有列出排除项,所以请确认你编辑的图片是你有权修改的

Hugging Face 上的数据(2026年11月13日)

  • 点赞:11
  • 构建方式:streamlit
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/Huertas97/Inpaint_Me
  • 文件:https://huggingface.co/spaces/Huertas97/Inpaint_Me/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-13

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Inpaint_Me 本页11streamlitapache-2.0
InsightFace-Face Swapper-on Video共有 streamlit5streamlitmit
Spotify Song Reccomender共有 streamlit2streamlitmit
Smart Search共有 streamlit1streamlitcc-by-nc-sa-4.0
Reddit Video Downloader共有 streamlit0streamlitmit
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

效率类的相似商品

查看效率类的全部商品

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k