stable diffusion inpainting

### Stable Diffusion Inpainting 使用方法

#### 准备工作
为了成功执行Stable Diffusion中的Inpainting操作，需准备两份材料：待修复的原图以及指示哪些部分需要被修复的掩码(mask)图[^2]。

#### 执行过程
当拥有上述两种图片之后，在软件界面中找到对应选项上传这两张图像。对于一些图形化界面的应用程序而言，这通常意味着拖拽文件至指定位置；而对于命令行版本，则可能涉及设置参数来指明路径。一旦完成加载，选择合适的配置项启动处理流程即可实现目标区域内的内容替换或修补[^1]。

#### 参数调整建议
考虑到不同应用场景下对结果质量的要求各异，合理调节超参显得尤为重要。比如降低采样步数可以加快运算速度但可能会牺牲细节表现力；而提高指导权重能使生成物更贴近给定提示词却也可能引入更多噪声。因此，实际操作过程中应依据具体情况灵活设定这些数值以获得最佳视觉效果[^3]。

from diffusers import StableDiffusionInpaintPipeline
import torch
from PIL import Image, ImageOps

pipeline = StableDiffusionInpaintPipeline.from_pretrained(
    "runwayml/stable-diffusion-inpainting"
).to("cuda")

image = Image.open("./data/inpaint.png")  # 加载原图
mask_image = Image.open("./data/mask.png").convert("L")  # 转换为灰度模式作为遮罩层

output = pipeline(prompt="a nice painting of a face", image=image, mask_image=mask_image)

output.images[0].save("./result/output_inpaint.png")

此段Python脚本展示了如何利用Hugging Face库快速搭建起一套简易版的Stable Diffusion inpaint环境，并给出了一组基础示例供参考者模仿学习。