咩係 AI Inpainting？
AI inpainting 係一種電腦視覺技術，用深度學習模型重建圖片缺失或受損嘅部分。唔同於傳統簡單複製或模糊附近像素嘅方法，AI inpainting 生成新內容，與圖片其他部分視覺一致。
Inpainting 嘅演進
古典方法（2010 年前）
早期 inpainting 算法用數學模型：
- 基於 PDE 嘅方法： 解偏微分方程傳播結構
- 紋理合成： 從附近區域複製紋理
- 基於範例： 從其他圖片區域匹配補丁
呢啲方法對細小區域有效，但喺複雜內容上失敗。
深度學習時代（2015-2020）
卷積神經網絡（CNN）革新咗 inpainting：
- Context Encoder (2016)： 第一個深度學習 inpainting 模型
- 生成對抗網絡（GAN）： 提升真實感
- PConv（部分卷積）： 更好嘅遮罩處理
現代模型（2021-2026）
最新一代 inpainting 模型包括：
- LaMa（Large Mask Inpainting）： 大面積遮罩嘅 SOTA
- Stable Diffusion Inpainting： 生成式 AI 創意填充
- Transformer： 基於注意力嘅模型
LaMa 點樣運作
LaMa 係 WatermarkWipe AI 使用嘅模型。主要創新：
1. 快速傅立葉卷積（FFC）
LaMa 用 FFC 代替標準卷積。呢個讓模型能夠：
- 喺網絡早期捕捉 全局上下文
- 有效處理 大面積缺失區域
- 維持 重複圖案（磚牆、窗戶等）
2. 大感受野
LaMa 嘅感受野明顯大過之前嘅模型，即使大部分缺失都能理解圖片整體結構。
3. 多尺度判別器
LaMa 喺訓練時用多尺度 GAN 判別器，確保細節同全局結構都真實。
Inpainting 流程
- 輸入： 原圖 + 二進制遮罩（標示水印區域）
- 預處理： 標準化像素值，調整到模型輸入尺寸
- 特徵提取： FFC 層處理可見上下文
- 生成： 解碼器為遮罩區域生成像素
- 精煉： 多尺度判別器確保真實感
- 輸出： 修復後嘅圖片
點解 AI Inpainting 優於傳統方法
| 方面 | 傳統（複製/模糊） | AI Inpainting |
|---|---|---|
| 複雜背景 | 差 | 優秀 |
| 大區域 | 極差 | 好 |
| 重複圖案 | 手動 | 自動 |
| 紋理保留 | 有損 | 保留 |
| 速度 | 手動（慢） | 3-5 秒 |
總結
AI inpainting，特別係 LaMa 模型，代表咗去水印技術嘅最先進水平。通過理解圖片嘅全局上下文並生成真實內容，呢啲模型產生嘅效果喺幾年前係唔可能嘅。WatermarkWipe AI 將呢項技術帶俾每個人 — 唔需要技術專業知識。