在进行计算机视觉（CV）模型训练时，构建干净、无杂物的高质量数据集是重中之重。然而，现有的开源图像修复（Inpainting）工具大多基于 Python 构建，配置复杂的虚拟环境、CUDA 版本和依赖库往往会耗费大量时间，极大地阻碍了工作效率。
LamaErasure 应运而生。它是一个完全用 C++ 编写、基于 Qt 构建的独立桌面客户端。通过直接调用 ONNX Runtime C++ API 加载 LaMa (Large Mask Inpainting) 模型，彻底摆脱了复杂的环境配置，开箱即用，专为高效、批量的数据集清洗和打标签辅助而设计。
⚡ 零配置环境，开箱即用：所有推理环境（ONNX Runtime, OpenCV）均已作为 ThirdLib 静态/动态链接集成，无需在目标机器上安装 Python 或任何深度学习框架。
🎨 丝滑的交互式画布 (InpaintCanvas)：支持鼠标直接在图像上涂抹生成 Mask，实时调用后端 ONNX 模型进行图像无缝擦除与修复。
📦 生产级批处理引擎 (BatchWorker)：内置多线程批处理模块，支持对整个文件夹的数据集进行自动化、流水线式的擦除与导出，极大提升数据清洗效率。
🤖 智能辅助模块 (AutoMask & AlignToReference)：针对特定场景的数据集集成了自动掩码生成与图像对齐参考功能，减少人工重复劳动。
⚙️ 灵活配置 (ConfigReader)：通过 config.ini 实现模型路径、画笔大小、硬件加速提供者（CPU/CUDA）的热重载。
项目采用了职责分离的架构，确保 UI 的流畅与推理的高效：
模块名称 核心类 功能描述
GUI 层 MainWindow 承载主界面逻辑，管理菜单、工具栏与状态面板。
交互层 InpaintCanvas 继承自 QWidget，处理底层鼠标事件，实现高性能的 Mask 绘制与图像渲染。
AI 推理引擎 LamaOrt 核心算法类。封装了 ONNX Runtime C++ Session，负责将 OpenCV 的 cv::Mat 张量化，送入模型推理，并将输出还原为图像。
异步任务 BatchWorker / ThreadPool 避免模型推理阻塞主 UI 线程，利用线程池实现图像的异步处理与批量导出。
视觉处理 AutoMask / AlignToReference 基于 OpenCV 原生 API 提供图像的预处理、对齐与轮廓提取功能。
评论