Edit-Banana

环境要求

• Python 3.10+
• 推荐 NVIDIA GPU（CUDA）环境，也支持 CPU 运行
• 系统需安装 Tesseract OCR 或 PaddleOCR
• 需自行准备 SAM3 权重 sam3.pt 与 BPE 词表文件并放入 models/ 目录
• 至少 3GB 以上磁盘空间用于依赖与模型权重（README 未给出具体数值）

安装与启动步骤

1. 1克隆代码仓库

   把 Edit-Banana 源码克隆到本地并进入项目目录，后续所有命令都在该目录下执行。

   git clone https://github.com/BIT-DataLab/Edit-Banana.git && cd Edit-Banana

   复制

2. 2创建虚拟环境

   用 venv 隔离依赖。Linux/macOS 用 source 激活；Windows 执行 .venv\Scripts\activate。

   python3 -m venv .venv && source .venv/bin/activate

   复制

3. 3安装 PyTorch 与依赖

   先装 PyTorch（按 README 的 cu118 源，CPU 版请换官方 CPU 索引），再装 requirements.txt。

   pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
   pip install -r requirements.txt

   复制

4. 4安装 OCR 引擎

   README 给出 Debian/Ubuntu 的 Tesseract 安装方式；其他系统请装等价包，或改用 PaddleOCR。

   sudo apt install tesseract-ocr tesseract-ocr-chi-sim

   复制

5. 5安装 SAM3 并下权重

   README 提示需安装 SAM3 库并下载模型权重与 BPE 词表，权重放到 models/ 目录下。

   bash scripts/setup_sam3.sh

   复制

6. 6准备目录与配置

   创建输入输出目录并复制配置模板；随后编辑 config.yaml 里的模型路径。

   mkdir -p input output
   cp config/config.yaml.example config/config.yaml

   复制

7. 7命令行跑通测试

   把测试图放入 input/，例如 input/test.png，运行 CLI，结果输出到 output/<image_stem>/。

   python main.py -i input/test.png

   复制

8. 8可选：启动 Web API

   另开终端调用 /convert 上传文件，或打开 /docs 页面用交互界面测试。

   python server_pa.py
   curl -X POST http://localhost:8000/convert -F "file=@input/test.png"

   复制

关键配置

如何确认成功

运行 CLI 后 output/<图片名>/ 下生成 DrawIO XML 等中间文件即成功；Web 方式可访问 http://localhost:8000/docs。

常见问题

注意事项

• README 未给出 SAM3 库的完整安装命令，需按 scripts/setup_sam3.sh 及项目文档补齐权重下载步骤。
• 首次运行前请对照 README 的 Checklist：配置文件已复制、模型路径已设置、SAM3 权重与 BPE 已放入 models/、OCR 已安装。
• 模型权重需自行下载，注意版权与体积；文件缺失会直接导致启动失败。
• CPU 模式可运行但速度明显慢于 GPU，长文档建议使用 CUDA 环境。