TL;DR

이 저장소는 이미지와 영상에서 보이는 AI watermark, invisible pixel watermark, provenance metadata를 탐지하거나 제거하는 Python library·CLI 도구입니다. 보이는 마크는 등록된 위치를 탐지해 마스크를 만들고 OpenCV, MI-GAN, LaMa로 채우며, 메타데이터는 JPEG·MP4·MOV·MKV·WebM 등 포맷별 구조를 보존하면서 제거합니다. invisible 제거는 CUDA 기반 diffusion 재생성으로 전체 콘텐츠를 바꾸고, 영상 SynthID 제거는 시간축 공유 latent-noise와 VAE regeneration을 사용하므로 품질·해상도·프레임률 변화가 발생할 수 있습니다. 소유한 콘텐츠의 합법적 처리에는 적합하지만, 공급자별 watermark 변경과 proprietary verifier의 비공개 특성 때문에 중요한 결과는 원본을 보존하고 provider verifier로 재확인해야 합니다.

핵심 포인트

• Python library와 CLI를 함께 제공하는 독립형 도구로, 특정 프레임워크에 종속되지 않고 이미지·영상 파일을 직접 처리합니다. `identify`, `visible`, `metadata`, `invisible`, `all`, `batch` 명령으로 탐지부터 제거까지 작업을 나눌 수 있습니다. ComfyUI 연동은 별도 패키지인 `ComfyUI-remove-ai-watermarks`로 제공됩니다.
• 보이는 마크는 예상 영역에서 등록된 패턴을 찾고 마스크를 만든 뒤 OpenCV, MI-GAN 또는 LaMa로 해당 부분만 채웁니다. Gemini와 Nano Banana sparkle, Doubao, Jimeng, Qwen, Kling, Yuanbao, Baidu 등 여러 공급자 마크와 Sora, Veo, Seedance, Dola, Hailuo, Kling 영상 마크를 지원합니다. 마크가 검출되지 않으면 `erase`에서 `x,y,width,height` 형식의 영역을 직접 지정할 수 있어 자동 탐지 실패에 대응할 수 있습니다.
• 보이지 않는 watermark는 전체 이미지를 diffusion pipeline으로 재생성해 픽셀·주파수 영역의 신호를 흐트러뜨리는 방식입니다. 기본 `qwen-zimage` 프로필은 Qwen-Image-2512 Lightning과 Canny ControlNet을 사용하고, 얼굴은 SAM 마스크 기반 Z-Image 보정 단계를 거치며 CUDA 전용으로 동작합니다. 이 과정은 얼굴·문자·세부 묘사를 바꿀 수 있고 모든 proprietary verifier를 통과하거나 거부한다고 보장하지 않으므로 원본 보존과 결과 검증이 필요합니다.
• 메타데이터 처리는 C2PA, EXIF, XMP, IPTC, 생성기 파라미터와 TC260 AIGC 신호를 포맷별로 다룹니다. JPEG는 인코딩된 이미지 scan을 보존하며, MP4와 MOV의 TC260 값을 box 크기와 media offset을 바꾸지 않고 비우고, MKV·WebM·AVI·FLV는 각 컨테이너 규격에 맞춰 처리합니다. 영상의 `video metadata`는 비디오·오디오 스트림을 재인코딩하지 않지만, 보이는 마크 제거와 SynthID 재생성은 영상 재인코딩 또는 전체 프레임 재생성을 수반합니다.

이미지 분석