InstructIR项目利用人类书写的自然语言指令，引导神经模型进行全能型图像修复。该模型在图像去噪、去雨、去模糊、去雾和提升低光图像等多个任务上实现了最新成果，并在多个基准测试中比现有方法提升了+1dB，树立了文本引导图像修复与增强的新标准。

ComfyUI Inpaint Nodes项目提供先进的图像补绘功能，支持Fooocus inpaint、LaMa和MAT等多模型。项目包含多个用于inpaint和outpaint区域预填充的节点工具，如扩展和填充掩码、模糊处理等，以确保平滑的过渡。还包括后处理节点，如去噪和合成掩码，并附有详细的示例工作流和安装指南。

NAFNet是一种无需非线性激活函数的图像修复网络，通过简单的基线超过现有SOTA方法并显著降低计算成本。在GoPro数据集上，该网络的图像去模糊性能达到33.69 dB PSNR，在SIDD数据集上的图像去噪性能为40.30 dB PSNR，均显著超越前代SOTA性能。NAFNet适用于图像去噪、去模糊和立体图像超分辨率等任务。

这个开源项目利用机器学习的图像修复技术来去除图像中的水印，使结果与原始图像几乎没有区别。项目受到Contextual Attention和Gated Convolution研究的启发，并采用Tensorflow 1.15.0和neuralgym工具包。用户可以通过Google Colab轻松运行项目，按照提供的详细操作步骤和下载链接来清除图像水印。

EdgeConnect是一种新的图像修复方法，通过生成对抗网络模型提高细节再现。该方法包含两个步骤：首先生成图像中缺失区域的边缘，然后根据生成的边缘信息填补图像。此方法适用于Places2、CelebA及Paris Street-View等数据集。EdgeConnect引入新的边缘生成和图像补全技术，使修复结果更为真实自然。该项目基于Python和PyTorch实现，支持CUDA加速，提供完整的训练、测试和评估指南，并且免费提供预训练模型下载使用。

PowerPaint是一个高质量多功能图像修复模型，支持文本引导的目标修复、目标移除、形状引导的目标插入和图像外扩等任务。通过针对不同修复任务设计的特定提示来实现精确效果。最新版本PowerPaint v2-1已经开源，修正了训练过程中的一些问题。用户可以通过Gradio界面进行对象修复和扩展，并兼容ControlNet。

InFusion项目提出了一种创新的3D场景修复方法，通过学习扩散先验的深度完成来修复3D高斯体。该技术实现了对不完整3D场景的高质量修复，能够处理复杂的遮挡情况。InFusion为3D重建和虚拟现实等领域提供了新的解决方案，项目开源了推理代码和预训练模型，为相关研究和开发提供了重要资源。

BrushNet是一种新型图像修复模型，采用双分支扩散结构，可集成到预训练扩散模型中。通过分离遮罩图像特征和噪声潜在表示，并对预训练模型实施像素级控制，提高了图像修复效果。该模型适用于通用场景和特定应用，为图像编辑和生成提供了新的解决方案。

LaMa 使用傅立叶卷积技术，提供高效的图像修复服务，尤其擅长处理大尺寸遮罩和周期性结构的修复。项目支持多种格式和分辨率，适应各类复杂场景。通过多平台融合，开放源代码和在线体验，LaMa 旨在推动图像处理技术的创新和应用。