Retour au remover de filigrane

Modèles open source

Les deux modèles par défaut sont hébergés ici et se chargent automatiquement sur la page de l’outil. Ci-dessous, les autres modèles open source compatibles, classés par type avec leur adresse officielle ; téléchargez-les vous-même — certains doivent d’abord être exportés en ONNX. Une fois téléchargé, ajoutez-le sur la page de l’outil via « Ajouter un modèle ».

Ce site n’héberge que les deux modèles par défaut utilisés par l’outil. Les fichiers ci-dessous ne passent jamais par ce site et ne font pas partie de son pipeline d’inférence ; utilisez-les dans votre propre environnement Python / ComfyUI / ONNX Runtime.

Les modèles par défaut (détection YOLOv8n + restauration MI-GAN 512) sont hébergés ici et se chargent automatiquement sur la page de l’outil — aucun téléchargement n’est nécessaire.

Modèles de détection compatibles

2

Prérequis : un détecteur Ultralytics YOLOv8 / YOLO11 avec une entrée fixe de 640×640, exporté avec NMS activé (yolo export model=best.pt format=onnx imgsz=640 nms=True opset=12) pour produire [1,300,6]. Les noms de classes peuvent différer ; ils n’influencent que les libellés.

YOLOv8n Watermark DetectionPITAExport à faire soi-même

640×640 · float32 · [1,300,6] · NMSLicence: AGPL-3.0

Détails du modèle

YOLOv8n affiné sur le jeu PITA pour les filigranes texte et logo. AGPL-3.0 ; la fiche du modèle le réserve à un usage académique. Le dépôt ne fournit que des poids .pt : exportez-le en ONNX avec la recette ci-dessous.

Aller au téléchargementProjet open source
YOLO11 Watermark DetectorSoliton80Export à faire soi-même

640×640 · [1,300,6] · NMS

Détails du modèle

YOLO11 affiné pour les filigranes texte, logo, semi-transparents et multilingues, distribué avec un nœud ComfyUI. Récupérez vous-même les poids .pt, puis exportez-les avec la recette ci-dessous.

Aller au téléchargement

Modèles de restauration compatibles

2

Prérequis : exporter tout le pipeline MI-GAN avec le script officiel (python -m scripts.create_onnx_pipeline --resolution 256|512). Entrées : image + mask en uint8 (255 = conserver / 0 = restaurer), toute résolution ; sortie RGB uint8.

MI-GAN 256 (Places2)256Export à faire soi-même

uint8 image + mask · dynamic H/WLicence: MIT

Détails du modèle

MI-GAN 256 (Places2) pour les scènes courantes ; plus petit et plus rapide que la version 512 par défaut, avec un détail un peu plus doux. Convertissez les poids .pt officiels avec create_onnx_pipeline.py.

Aller au téléchargement
MI-GAN 256 (FFHQ)256Export à faire soi-même

uint8 image + mask · dynamic H/WLicence: MIT

Détails du modèle

MI-GAN 256 (FFHQ) donne de meilleurs résultats sur les images centrées sur un visage. Convertissez les poids .pt officiels avec create_onnx_pipeline.py.

Aller au téléchargement

Réponse rapide

Le suppresseur de filigrane par IA embarque deux modèles par défaut — YOLOv8n pour la détection et MI-GAN 512 pour l’inpainting — hébergés par PureSnap et chargés automatiquement. Cette page recense d’autres détecteurs et modèles d’inpainting open source compatibles avec leurs adresses de téléchargement officielles ; ils ne sont ni relayés ni mis en cache et n’intègrent pas le pipeline par défaut, et certains doivent être exportés en ONNX avant que le navigateur puisse les exécuter.

La suppression de filigrane recouvre deux tâches : localiser le filigrane (détection d’objets) et reconstruire ce qui se trouvait dessous (inpainting). Chaque modèle de cette page relève de l’une des deux, avec sa licence, la taille d’entrée attendue et l’étape d’export nécessaire. Un détecteur et un modèle d’inpainting doivent être associés : le navigateur ne peut pas exécuter l’un sans l’autre.

Rien ici n’est téléchargé automatiquement. Chaque entrée renvoie au projet qui publie le modèle : la licence applicable est donc celle de ce projet, pas celle de PureSnap. Les modèles importés s’exécutent localement dans votre navigateur exactement comme les modèles par défaut : aucune image n’est envoyée, et un fichier choisi localement ne dure que le temps de la session en cours.

Questions fréquentes

Faut-il télécharger un modèle pour utiliser l’outil ?

Non. Les deux modèles par défaut sont hébergés par PureSnap et s’initialisent à la première utilisation. Les modèles supplémentaires ne concernent que ceux qui veulent essayer un autre détecteur ou modèle d’inpainting.

Pourquoi certains modèles exigent-ils un export ONNX ?

L’outil exécute les modèles dans le navigateur via ONNX Runtime Web : les poids distribués sous forme de checkpoints PyTorch (.pt) ne sont pas utilisables tels quels. Ces entrées disposent généralement d’un script d’export dans leur dépôt ; exportez en ONNX, puis ajoutez le fichier obtenu à l’outil.

Les modèles tiers sont-ils couverts par les conditions de PureSnap ?

Non. Chaque modèle conserve sa propre licence, affichée sur sa fiche. Vérifiez-la avant tout usage commercial : certains sont réservés à la recherche ou exigent une attribution.

Outils et guides associés

Dernière mise à jour : 2026-10-26