remove-ai-watermarks: 이미지에서 가시적 오버레이, 비가시적 주파수 영역 워터마크 및 AI 출처 메타데이터를 제거하는 종합 유틸리티

해결하는 문제

이 도구는 이미지에서 가시적 및 비가시적 AI 생성 워터마크와 출처 메타데이터를 모두 제거합니다. 사용자가 직접 생성한 콘텐츠에 대해 자율성을 가질 수 있도록 설계되었으며, 스톡 사진 제거 도구에 의존할 필요 없이 Google Gemini, DALL-E, Stable Diffusion, Adobe Firefly와 같은 모델의 라벨을 제거합니다.

작동 방식

이 프로젝트는 워터마크 유형에 따라 다양한 기술을 사용합니다:

• 가시적 워터마크: 알려진 마크(Gemini 반짝임 또는 Samsung Galaxy AI 라벨 등)의 경우 **역-알파 블렌딩(reverse-alpha blending)**을 사용합니다. 이 프로세스는 인페인팅을 통해 추측하는 대신 캡처된 알파 맵을 사용하여 원래 픽셀을 복구합니다. 임의의 로고의 경우 cv2 또는 big-LaMa 인페인팅을 사용하는 범용 영역 지우개를 제공합니다.
• 비가시적 워터마크: SynthID, StableSignature, TreeRing과 같은 패턴을 제거하기 위해 이 도구는 **확산 기반 재생성(diffusion-based regeneration)**을 사용합니다. 이미지를 잠재 공간(latent space)으로 인코딩하고, 노이즈를 추가한 다음 SDXL 또는 Qwen-Image 파이프라인을 사용하여 디노이징합니다. 이 과정에서 얼굴과 텍스트의 구조를 보존하기 위해 기본적으로 Canny ControlNet이 사용됩니다.
• 메타데이터: 다양한 파일 형식(PNG, JPEG, AVIF, HEIF, MP4 등)에서 C2PA 매니페스트, EXIF/XMP 라벨 및 기타 AI 공개 태그를 제거합니다.

대상 사용자

AI 이미지를 생성하고 더 깔끔한 최종 결과를 위해 자신의 출력물에서 플랫폼별 브랜딩, 비가시적 추적 마커 또는 메타데이터 태그를 제거하고 싶은 사용자.

주요 특징

• 다중 모델 지원: Gemini, DALL-E 3, Stable Diffusion, FLUX, Adobe Firefly 등의 워터마크를 대상으로 합니다.
• 구조 보존: 비가시적 워터마크를 제거하면서 텍스트와 얼굴 구조를 선명하게 유지하기 위해 ControlNet을 사용합니다.
• 포괄적인 탐지: 원본 플랫폼과 탐지된 워터마크의 전체 목록을 보고하는 identify 명령어를 포함합니다.
• 유연한 파이프라인: 더 나은 텍스트 보존을 위해 SDXL 및 실험적인 Qwen-Image (20B)를 포함한 여러 재생성 파이프라인을 제공합니다.
• 교차 플랫폼: Python을 통해 오프라인으로 작동하거나 클라우드 기반 웹 인터페이스를 통해 작동합니다.