在 Github 上发现一个图片修复模型 MI-GAN，号称可以在移动设备本地来执行，不同于其他图片修复产品需要把图片上传到云端了。同时，找到了对应的 Web 端实现 lxfater/inpaint-web，就想着了解一下背后的实现方式。

体验地址：https://inpaintweb.lxfater.com，inpaint-web 支持了以下特性：

• 照片修复：抹除图片中不想要的区域，模型：huggingface: andraniksargsyan/migan

• 照片高清化：放大图片的分辨率，模型：huggingface: lxfater/inpaint-web

实现流程

在 Web 端大致模型调用流程为：

1. 模型下载： 从 huggingface下载 Onnx 格式的模型，并调用 localforage 存储模型文件到 indexDB 中进行长效缓存，用于后续的调用。
2. 调用模型： onnxruntime-web 是一个用于在浏览器和 Node.js 上运行 Onnx 模型的 JavaScript 库，可以调用对应的模型提供的接口，等待模型的计算结果。

从上面的分析中，看到了一些陌生的词汇，进一步了解到：

• Onnx： 使用训练框架（比如 TensorFlow/Pytorch/OneFlow/Paddle）训练模型，在训练完毕后都可以将这些框架的模型统一转换为 Onnx 这种统一的格式进行存储，这是针对机器学习所设计的开源文件格式。

• 查看模型接口： 下载好的模型后，需要详细了解其提供的功能和必要的输入/输出参数。可以使用 Netron 以可视化的方式查看模型的结构

  

• ONNX Runtime： 使用 ONNX Runtime 可以将 ONNX 模型部署到各种编程语言和操作系统上。如果你需要 JavaScript 版本的详细文档，可以查看 ONNX Runtime JavaScript API。