base on AI-Powered Watermark Remover using Florence-2 and LaMA Models: A Python application leveraging state-of-the-art deep learning models to effectively remove watermarks from images with a user-friendly PyQt6 interface. # WatermarkRemover-AI **Outil de suppression de filigranes alimenté par l'IA utilisant les modèles Florence-2 et LaMA**  ## Aperçu `WatermarkRemover-AI` est une application de pointe qui utilise des modèles d'IA pour détecter et supprimer les filigranes de manière précise. Elle utilise Florence-2 de Microsoft pour identifier les filigranes et LaMA pour le remplissage naturel des régions supprimées. Le logiciel propose à la fois une interface en ligne de commande (CLI) et une interface graphique (GUI) basée sur PyQt6, le rendant accessible aux utilisateurs novices et avancés. ## Caractéristiques * **Modes multiples** : Traitez des fichiers individuels ou des dossiers entiers d'images et de vidéos. * **Détection avancée de filigranes** : Utilise la détection à vocabulaire ouvert de Florence-2 pour une identification précise des filigranes. * **Inpainting sans couture** : Emploie LaMA pour un remplissage de haute qualité et sensible au contexte. * **Support vidéo** : Traitement des fichiers vidéo image par image pour supprimer les filigranes. * **Sortie personnalisable** : * Configurez la taille maximale de la boîte englobante pour la détection des filigranes. * Définissez la transparence pour les régions de filigrane (images uniquement). * Forcez des formats de sortie spécifiques (PNG, WEBP, JPG pour les images; MP4, AVI pour les vidéos). * **Suivi de la progression** : Mises à jour de la progression en temps réel en mode GUI et CLI. * **Support du mode sombre** : L'interface graphique s'adapte automatiquement aux paramètres du mode sombre du système. * **Gestion efficace des ressources** : Optimisé pour l'accélération GPU à l'aide de CUDA (optionnel). ## Installation rapide Consultez le fichier [DEMARRAGE_RAPIDE.md](./DEMARRAGE_RAPIDE.md) pour une installation et une mise en route rapides. Pour une installation détaillée, référez-vous au fichier [INSTALLATION_FR.md](./INSTALLATION_FR.md). ### Prérequis * Conda/Miniconda installé. * CUDA (optionnel pour l'accélération GPU ; l'application fonctionne bien sur CPU également). ### Installation en un clic Exécutez le script PowerShell d'installation : ```powershell powershell -ExecutionPolicy Bypass -File install_windows.ps1 ``` Ce script installe automatiquement toutes les dépendances et télécharge le modèle LaMA nécessaire. ## Utilisation ### Utilisation de l'interface graphique (GUI) 1. **Lancez l'application** avec : ``` conda activate py312aiwatermark python remwmgui.py ``` 2. **Configurez les paramètres** : * **Mode** : Sélectionnez "Process Single File" ou "Process Directory" * **Chemins** : Parcourez et définissez les répertoires d'entrée/sortie * **Options** : * Activer l'écrasement des fichiers existants * Activer la transparence pour les régions de filigrane (images uniquement) * Ajuster la taille maximale de la boîte englobante * **Format de sortie** : Choisissez entre PNG, WEBP, JPG pour les images, MP4, AVI pour les vidéos, ou conserver le format d'origine 3. **Commencez le traitement** : * Cliquez sur "Start" pour démarrer * Surveillez la progression et les logs dans l'interface ### Utilisation en ligne de commande (CLI) 1. **Commande de base** : ``` python remwm.py chemin_entrée chemin_sortie ``` 2. **Options** : * `--overwrite` : Écrase les fichiers existants * `--transparent` : Rend les régions de filigrane transparentes (images uniquement) * `--max-bbox-percent` : Définit la taille maximale de la boîte englobante (par défaut : 10%) * `--force-format` : Force le format de sortie (PNG, WEBP, JPG pour les images; MP4, AVI pour les vidéos) 3. **Exemples** : ``` python remwm.py ./images_entrée ./images_sortie --overwrite --max-bbox-percent=15 --force-format=PNG ``` ``` python remwm.py ./video_entrée.mp4 ./video_sortie.mp4 --max-bbox-percent=15 --force-format=MP4 ``` ## Remarques sur la mise à niveau Si vous avez déjà utilisé une version antérieure du dépôt, suivez ces étapes pour mettre à niveau : 1. **Mettez à jour le dépôt** : ``` git pull ``` 2. **Supprimez l'ancien environnement** : ``` conda deactivate conda env remove -n py312 ``` 3. **Exécutez le script d'installation** : ``` powershell -ExecutionPolicy Bypass -File install_windows.ps1 ``` ## Problèmes courants Consultez le fichier [INSTALLATION_FR.md](./INSTALLATION_FR.md) pour les solutions aux problèmes courants. ## Licence Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails. ", Assign "at most 3 tags" to the expected json: {"id":"13555","tags":[]} "only from the tags list I provide: [{"id":77,"name":"3d"},{"id":89,"name":"agent"},{"id":17,"name":"ai"},{"id":54,"name":"algorithm"},{"id":24,"name":"api"},{"id":44,"name":"authentication"},{"id":3,"name":"aws"},{"id":27,"name":"backend"},{"id":60,"name":"benchmark"},{"id":72,"name":"best-practices"},{"id":39,"name":"bitcoin"},{"id":37,"name":"blockchain"},{"id":1,"name":"blog"},{"id":45,"name":"bundler"},{"id":58,"name":"cache"},{"id":21,"name":"chat"},{"id":49,"name":"cicd"},{"id":4,"name":"cli"},{"id":64,"name":"cloud-native"},{"id":48,"name":"cms"},{"id":61,"name":"compiler"},{"id":68,"name":"containerization"},{"id":92,"name":"crm"},{"id":34,"name":"data"},{"id":47,"name":"database"},{"id":8,"name":"declarative-gui "},{"id":9,"name":"deploy-tool"},{"id":53,"name":"desktop-app"},{"id":6,"name":"dev-exp-lib"},{"id":59,"name":"dev-tool"},{"id":13,"name":"ecommerce"},{"id":26,"name":"editor"},{"id":66,"name":"emulator"},{"id":62,"name":"filesystem"},{"id":80,"name":"finance"},{"id":15,"name":"firmware"},{"id":73,"name":"for-fun"},{"id":2,"name":"framework"},{"id":11,"name":"frontend"},{"id":22,"name":"game"},{"id":81,"name":"game-engine "},{"id":23,"name":"graphql"},{"id":84,"name":"gui"},{"id":91,"name":"http"},{"id":5,"name":"http-client"},{"id":51,"name":"iac"},{"id":30,"name":"ide"},{"id":78,"name":"iot"},{"id":40,"name":"json"},{"id":83,"name":"julian"},{"id":38,"name":"k8s"},{"id":31,"name":"language"},{"id":10,"name":"learning-resource"},{"id":33,"name":"lib"},{"id":41,"name":"linter"},{"id":28,"name":"lms"},{"id":16,"name":"logging"},{"id":76,"name":"low-code"},{"id":90,"name":"message-queue"},{"id":42,"name":"mobile-app"},{"id":18,"name":"monitoring"},{"id":36,"name":"networking"},{"id":7,"name":"node-version"},{"id":55,"name":"nosql"},{"id":57,"name":"observability"},{"id":46,"name":"orm"},{"id":52,"name":"os"},{"id":14,"name":"parser"},{"id":74,"name":"react"},{"id":82,"name":"real-time"},{"id":56,"name":"robot"},{"id":65,"name":"runtime"},{"id":32,"name":"sdk"},{"id":71,"name":"search"},{"id":63,"name":"secrets"},{"id":25,"name":"security"},{"id":85,"name":"server"},{"id":86,"name":"serverless"},{"id":70,"name":"storage"},{"id":75,"name":"system-design"},{"id":79,"name":"terminal"},{"id":29,"name":"testing"},{"id":12,"name":"ui"},{"id":50,"name":"ux"},{"id":88,"name":"video"},{"id":20,"name":"web-app"},{"id":35,"name":"web-server"},{"id":43,"name":"webassembly"},{"id":69,"name":"workflow"},{"id":87,"name":"yaml"}]" returns me the "expected json"