试卷去手写做不了？我训了五代模型、测了四个开源方案，最后选了商用 API

做图像工具的人，几乎都会撞上「试卷去手写」这堵墙：把做过的卷子拍张照，去掉手写笔迹，还原成一张干净的空白卷，重新打印。

听起来就是个分割加修复的任务，真上手才知道是数据地狱。这篇文章记录我完整的选型之路：五代自训模型、四个开源方案挨个实测、最后一个反直觉的选择。先剧透结论：这个方向卡在数据上，不在代码上。

一、需求比看起来难

先说清楚这个需求到底难在哪。

一，去除要做到像素级。区域级涂抹在试卷场景根本没法用。试卷是高密度印刷体，手写笔迹和印刷内容犬牙交错，涂掉一块区域，印刷的题目跟着遭殃。

二，铅笔浅痕是重灾区。淡色笔迹对比度低，检测容易漏，漏一处，还原出来的卷子就脏一处。

三，印刷体必须毫发无伤。误擦一个印刷字，这张卷子就废了。也就是说，光「擦得掉」不够，还得「擦得准」，两个指标互相牵制。

二、自训五代模型

我起初认为最理想的路是自己训个模型。你别说，我还真去试了很多次。

训练流水线是 AI 搭的，数据增强、评估脚本、训练看护一应俱全，工程上没走弯路。模型迭代了五代，检测方法换了好几版，连淡色笔迹这种边角场景都做了专项训练。

五代下来，效果始终达不到能上线的水平。

问题很快清楚了：此类模型训练，代码占三成，七成是数据。要做到像素级的去除，需要海量一对一配对训练数据：同一张卷子，一份带手写、一份干净，严格像素对齐，最好还是真实拍摄的。这种数据全网扒一圈就明白了：开源的少得可怜，质量像样的基本被商业公司攥在手里闭源。公开能翻到的，要么只有千对上下的量级，要么是合成数据，真实场景效果要打折。

这是整个方向共同的门槛，谁做都绕不开。

三、四个开源方案实测

自训碰壁，我把 GitHub 上叫得上号的开源方案挨个跑了一遍。

inkstrip（handwritingRemover）：管线最完整，YOLO 检测加 LaMa 修复，本机跑得通。短板在默认检测模型，训练集只有 91 张亚美尼亚语听写纸，对中文试卷召回很低，中文印刷体容易被误判成手写。M1 上一张图 23 秒。结论：工作流值得借鉴，检测器得自己重训。

HandWritingEraser-PyTorch：发布的权重是个早期版本，README 里说的三分类模型没有放出来，实际是二类版本。实测印刷体平均 32% 被标成手写，擦的时候印刷字跟着受损。它也说明了修复环节的上限：LaMa 这类区域级修复做不到像素级重建，铅笔浅痕会留痕。

DocUnfold：做文档矫正展开的，代码质量很好，M 芯片原生加速实测 8.7 倍。限制在于官方没放预训练权重，复现要从自训起步，推理脚本还有 bug，16G 内存下一整张试卷切片推理要 80 秒上下。研究价值高，工程上还要再等。

ENSExam-GAN 这类 GAN 路线：源码和训练流程都过了一遍，情况类似，暂时没有能直接落地的现成方案。

汇总一张表：

方案	技术路线	实测结果	结论
inkstrip	YOLO 检测 + LaMa 修复	中文召回低，M1 上 23 秒/张	管线可借鉴，检测器需重训
HandWritingEraser-PyTorch	二分类检测 + 修复	印刷体 32% 误标为手写	权重与 README 不符，未完全开源
DocUnfold	文档矫正展开	M 芯片 8.7 倍加速，无预训练权重，整卷推理约 80 秒	研究价值高，工程暂不可用
ENSExam-GAN	GAN 生成	无现成可落地权重	路线待成熟

一圈测下来结论很清楚：不是没人做，是没人能把数据这关过了。

四、落地：商用 API

最后的解法朴素得很：找到一个划算的商用接口接进去。效果立刻达标，成本比自训还低一个量级。

这个结果最初让我有点不甘心，后来想通了。什么时候值得自训？两种情况：你有独家配对数据，或者你的场景市面上没人做过。两样都不占，买现成的就是最理性的选择。把自训省下来的时间，花在能攒下自己东西的环节上，回报率高得多。

顺带一个对照。同一个项目里，图片去水印我就自研做成了：OCR 加分割找水印区域，LaMa 只修复遮罩盖住的部分，效果达标。去水印和去手写看似同类需求，命运完全不同，差别就在数据长什么样。去水印不需要严格配对的成对数据，标遮罩就能训；去手写要像素级配对，数据这关绕不过去。评估一个算法需求能不能自研，先看数据搞不搞得来，再看代码难度。

五、留给同路人的三句话

一，评估算法需求，先掂量掂量数据。数据不占，技术再好也白搭。

二，开源方案要实测，别只看 README。这次四个方案里，两个的 README 和实际放出的权重对不上。

三，选商用 API 不是认输，是工程判断。省下来的时间，花在你能形成壁垒的地方。

你在自己的方向上撞过数据墙吗？评论区聊聊。