Unwatermark — Deteccion y Eliminacion de Marcas de Agua con IA

Unwatermark resuelve un problema que ningun 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 solucion es un pipeline de deteccion en capas que arranca barato y escala: EasyOCR atrapa marcas de agua de texto gratis, Florence-2 maneja deteccion visual, Grounded SAM produce mascaras binarias pixel-perfect, y Claude Vision sirve como respaldo para casos no estandar. La eliminacion 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 produccion y CLI, procesando exportaciones PPTX de 14 slides en menos de 60 segundos.

Destacados Tecnicos

• Deteccion en capas: EasyOCR → Florence-2 → Grounded SAM → Claude Vision → heuristico — cada nivel agrega costo solo cuando metodos mas baratos fallan
• Mascaras pixel-perfect de SAM aislan exactamente los pixeles de la marca de agua, previniendo dano 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 despues de la primera pasada
• Reutilizacion de baseline PPTX — primera deteccion exitosa en cualquier slide se cachea para slides subsecuentes
• Inferencia ML agnostica de proveedor via 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 detras de Caddy con HTTPS