LaMa-Large-ONNX-WebGPU-FP32

基于 AnimeMangaInpainting 原始权重重新导出的漫画图像修复模型。未量化、未重新训练,优化了傅里叶计算与重复形状操作,优先改善 CPU 推理和加载速度。

单个 lama-large-fp32-unified-webgpu.onnx 文件(204.5 MB)同时支持 CPU 和 WebGPU,仅需 image、mask 两个输入。

输入与输出

名称 类型与形状 含义
image float32 [1,3,H,W] RGB,范围 0~1
mask float32 [1,1,H,W] 二值遮罩,1 表示修复区域
inpainted float32 [1,3,H,W] 修复预测图

将尺寸补到 64 的倍数,推理后裁回原尺寸,并仅合成遮罩内的像素;遮罩外保留原图。已验证 64~1024 范围内的动态尺寸及横竖矩形。

使用

建议使用 onnxruntime-node 1.31.1。WebGPU 模式保留默认 CPU 回退,用于少量系数和形状计算。主网络运算保持 FP32。

const session = await ort.InferenceSession.create('lama-large-fp32-unified-webgpu.onnx', {
  executionProviders: ['cpu'], // WebGPU 使用 ['webgpu']
});
const result = await session.run({ image, mask }); // 两者均为符合上表的 ort.Tensor
const prediction = result.inpainted;

本机 CPU/WebGPU 共 30 个场景对照原始 PyTorch 验证,最大通道误差约 0.0342/255。不保证不同硬件下逐位相同。

原权重模型卡标注为 MIT 许可;导出参考实现来自 BallonsTranslator。本仓库只提供 ONNX 模型和使用说明。

SHA-256:77f755491ce57992a873bc5d007ef9f58b0ff84b38206784f72d3db219bed4ea

Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for neavo/LaMa-Large-ONNX-FP32

Quantized
(2)
this model