GitHub 热门项目：水印任何东西

GitHub 项目：watermark-anything 仓库地址：https://github.com/facebookresearch/watermark-anything 星级：1137 | 作者：facebookresearch 项目描述：论文“Watermark Anything with Localized Messages”的正式实施 =================================================== 自述文件内容： # 🐤 水印任何东西 论文 [**Watermark Anything**](https://arxiv.org/abs/2411.07231) 的实现和预训练模型。 我们的方法允许将（可能是多个）本地化水印嵌入到图像中。 [[`arXiv`](https://arxiv.org/abs/2411.07231)] [[`Colab`](https://colab.research.google.com/github/facebookresearch/watermark-anything/blob/main/notebooks/colab.ipynb)] [[`HF演示`]](https://huggingface.co/spaces/xiaoyao9184/watermark-anything) [[`播客`](https://notebooklm.google.com/notebook/6c69b3f8-b1a6-41c4-92fb-c416903ceb49/audio)] [[`黑客新闻`](https://news.ycombinator.com/item?id=42113674)] [[`视频`](https://youtu.be/gwnYmoVzJCo)]  ## 📰 新闻 ### [2025 年 1 月 30 日] - ICLR 2025 上的水印任何内容都被[接受](https://openreview.net/forum?id=IkZVDzdC8M)！ ### [2024 年 12 月 12 日] - 新的 WAM 模型在 MIT 许可下发布！ - 📢 我们很高兴地宣布发布新模型的权重，该模型在 [SA-1B](https://ai.meta.com/datasets/segment-anything/) 数据集的子集上进行训练，现已在 MIT 许可证下提供。 - 我们还增强了模型的鲁棒性，特别是在处理图像中移动的带水印对象方面，而对于其余部分，它应该会产生与出版物中的模型类似的结果。 ## 要求 ### 安装 此存储库已使用 Python 3.10.14、PyTorch 2.5.1、CUDA 12.4、Torchvision 0.20.1 进行测试： ``cmd conda create -n“watermark_anything”python=3.10.14 conda 激活水印_任何东西 conda 安装 pytorch torchvision pytorch-cuda=12.4 -c pytorch -c nvidia ```` 安装所需的软件包： ``cmd pip install -r 要求.txt ```` ### 权重 下载最新的预训练模型权重 - 在 [SA-1B](https://ai.meta.com/datasets/segment-anything/) 上训练并在 MIT 许可下 - [此处](https://dl.fbaipublicfiles.com/watermark_anything/wam_mit.pth)，或通过命令行： ``cmd wget https://dl.fbaipublicfiles.com/watermark_anything/wam_mit.pth -P 检查点/ ```` <详情>

从出版物下载模型的权重（非商业许可）

出版物中使用的原始模型的权重也可用： ``cmd wget https://dl.fbaipublicfiles.com/watermark_anything/wam_coco.pth -P 检查点/ ```` 您还可以通过以下方式使用 Hugging Face 下载模型： ````蟒蛇 从 Huggingface_hub 导入 hf_hub_download ckpt_path = hf_hub_download( repo_id="facebook/watermark-anything", 文件名=“检查点.pth” ） ```` ## 推论 请参阅“notebooks/inference.ipynb”，了解包含以下脚本和可视化的笔记本。 <详情>

导入、加载模型并指定包含要加水印的图像的文件夹：

``py 导入操作系统 将 numpy 导入为 np 从 PIL 导入图像 进口火炬 导入 torch.nn.function 作为 F 从 torchvision.utils 导入 save_image 从 watermark_anything.data.metrics 导入 msg_predi