Unwatermark — Detección y Eliminación de Marcas de Agua con IA

Unwatermark resuelve un problema que ningún modelo de IA puede manejar solo: marcas de agua incrustadas donde los pixeles reemplazan el contenido original — no hay capa que borrar, no hay metadata que eliminar. La solución es un pipeline de detección en capas que arranca barato y escala: EasyOCR atrapa marcas de agua de texto gratis, Florence-2 maneja detección visual, Grounded SAM produce mascaras binarias pixel-perfect, y Claude Vision sirve como respaldo para casos no estándar. La eliminación la maneja LaMa inpainting neuronal, que reconstruye lo que estaba debajo de la marca de agua en vez de clonar o difuminar. El procesamiento multi-pasada atrapa marcas residuales en hasta 3 ciclos detectar-eliminar. La herramienta corre como app web en producción y CLI, procesando exportaciones PPTX de 14 slides en menos de 60 segundos.

Destacados Técnicos

• Detección en capas: EasyOCR → Florence-2 → Grounded SAM → Claude Vision → heuristico — cada nivel agrega costo solo cuando métodos más baratos fallan
• Mascaras pixel-perfect de SAM aíslan exactamente los pixeles de la marca de agua, previniendo daño colateral al contenido adyacente
• Inpainting neuronal LaMa reconstruye textura y contenido en vez de clonar o difuminar
• Pipeline multi-pasada con hasta 3 ciclos detectar-eliminar atrapa marcas visibles solo después de la primera pasada
• Reutilización de baseline PPTX — primera detección exitosa en cualquier slide se cachea para slides subsecuentes
• Inferencia ML agnóstica de proveedor vía API Replicate con backends locales/Modal intercambiables
• Progreso streaming NDJSON para actualizaciones de UI en tiempo real durante el procesamiento
• Despliegue Docker sin estado en VPS Hetzner detrás de Caddy con HTTPS