Repository navigation
Releases
v1.2.1
修复版本：修了一键安装、网页工具和命令行的几处问题。没有新功能，去噪结果和 v1.2.0 一样。
修复
- 一键安装认得新版 NVIDIA 驱动：新版驱动（如 610、616 版）的
nvidia-smi把 “CUDA Version” 改叫 “CUDA UMD Version”，旧脚本读不出来，会误报“没有检测到 NVIDIA 驱动”，也选不对 CUDA 版本。现在新旧写法都认。（#6） - 一键安装能换掉 CPU 版 torch：环境里已经有 PyPI 上的 CPU 版 torch 时，装 CUDA 版会被 pip 跳过，最后误报“请更新显卡驱动”。现在会先卸载再装。（#10）
- 依赖加上 psutil：没有它时，CPU 上永远按 4 GiB 内存估算分段。内存多的机器会白白变慢，内存少的会超出可用内存。（#11）
- 「在文件夹中显示」：文件路径带空格或逗号时，原来会打开“文档”或“桌面”，现在会打开输出文件夹并选中这个文件。（#7）
- 粘贴的图片不再被覆盖：粘贴的图片名字里加上粘贴时间，刷新或重开工具后再粘贴，不会覆盖上次的结果。（#8）
- 命令行
--l0：--l0 0不再报错，改为跳过 L0，和网页工具一样；负数不再死循环，和 nan、inf 一样直接报参数错误。（#9）
在 RTX 5080 上逐像素对比过：默认方案、命令行其他方法和网页工具的结果都和 v1.2.0 一样（CUGAN 每次运行本来就有 1–3 级的随机差异，除外）。
下载和使用
下载下面附件里的 gpt-anime-denoise-v1.2.1.zip，解压。Windows 双击 去噪工具.bat。Mac 和第一次安装的说明见 v1.2.0 和 README。
从旧版本升级：先点网页右上角「结束」关掉旧版，再把新文件解压覆盖到原来的文件夹。已经装好的 .venv 和下载过的模型都可以继续用，只需要补装新加的 psutil：在文件夹里运行 .venv\Scripts\python -m pip install psutil（Mac 是 .venv/bin/python -m pip install psutil），或者重跑一次 setup_env.py。
作者
致谢
许可
和之前一样：代码 MIT；模型从原作者地址下载，遵守各自的许可；示例图只作效果演示，不可商用。详见 README。
Contributors
Assets 3
v1.2.0
新增 Apple Silicon（M 系列 Mac）的 Metal 加速。README 的图形界面截图和功能介绍也按 v1.1 的新界面更新了。
更新内容
Apple Silicon（M 系列 Mac）支持
- 自动选设备：有 NVIDIA 显卡用 CUDA，Apple Silicon 用 Metal（MPS），其余用 CPU。命令行和网页工具都一样，需要时可以用
--device cuda|mps|cpu指定。 - 一键安装：
setup_env.py能识别 Apple Silicon，直接装 PyPI 上自带 Metal 的 PyTorch。Intel Mac 和 Rosetta 下的 Python 会用 CPU 版。 - 速度：作者在 M4 Pro 上实测，1024×1536 一张约 3 秒（超分 2.6 秒 + L0 0.3 秒）。
- 精度：Metal 不支持双精度，L0 在 Mac 上用单精度。作者在一张约 79 万像素的图上实测，和 CPU 结果相比只有 3 个像素差 2 级。
- 大图：Mac 上内存不够时，同样会自动分段处理或退回 CPU。老版本 PyTorch 没有 Metal 显存查询接口时，改用系统可用内存估算，不会报错退出。
- 其他平台：NVIDIA、AMD 和纯 CPU 的计算没有变化。在 RTX 5080 上逐像素对比过，默认方案的结果和 v1.1.0 完全一样。
Mac 路径由 PR 作者在 M4 Pro 上实测，我们这边没有 Mac 做复测。
文档
README「图形界面」一节的截图按新界面重拍，新增磁性套索圈选过程和“只去背景 / 只去人物”的对比图，功能介绍也同步更新。
下载和使用
- 下载下面附件里的
gpt-anime-denoise-v1.2.0.zip，解压。 - Windows：双击
去噪工具.bat。 - Mac：在解压出的文件夹里运行
python3 setup_env.py安装依赖（装到本文件夹的.venv，不改系统），装完运行.venv/bin/python denoise_app.py，浏览器会打开网页工具。
需要 Python 3.10 或更新版本。命令行用法见 README。
从旧版本升级：先点网页右上角「结束」关掉旧版，再把新文件解压覆盖到原来的文件夹。已经装好的 .venv 和下载过的模型都可以继续用。
作者
致谢
- @SugarCatCat（PR #5）加了 Apple Silicon 的 Metal 加速和对应的一键安装。
许可
和之前一样：代码 MIT；模型从原作者地址下载，遵守各自的许可；示例图只作效果演示，不可商用。详见 README。
Contributors
Assets 3
v1.1.0
网页工具新增磁性套索和反选，可以只给背景去噪、人物保持原样，或者反过来。README 补充了写实风格图的测试结果。
更新内容
网页工具：磁性套索与反选
- 磁性套索（
L）：在人物边缘单击当起点，然后沿轮廓移动鼠标（不用按住），选框会自动吸附到边缘。闭合后，圈住的地方和保护笔刷涂过的一样保持原图，「恢复原图」比例和柔边照常生效。按住 Alt 闭合或右键闭合，是从保护区里减掉。 - 反选（
I）：保护区和去噪区互换。圈住人物就是只去背景；再反选一次，就是只去人物、背景保持原图。可以撤销。 - 套索和保护笔刷是两个独立的工具：左侧只亮当前用的那个，顶部工具条可以在画笔 / 橡皮 / 套索之间切换。
- 再按
L、点「完成」或换成别的工具时，还没闭合的选框会自动沿边缘闭合并保留，和笔刷画完就生效一样；按Esc则放弃这次选框。 - 页面内的「说明」和 README 的快捷键都已更新。
写实风格的图
用 4 张细节多、灯光复杂的夜景，测了 4 个为照片训练的开源模型（RealESRGAN_x4plus、realesr-general-x4v3、SCUNet、DRUNet），效果都不如默认方案，所以写实图也直接用默认方案。数据和原尺寸对比图见 README。
下载和使用
从 v1.0.0 升级：先点网页右上角「结束」关掉旧版，再把新文件解压覆盖到原来的文件夹。已经装好的 .venv 和下载过的模型都可以继续用，不用重新安装。
作者
致谢
- @a705876883-arch（PR #4）做了磁性套索和反选。
许可
和 v1.0.0 一样：代码 MIT；模型从原作者地址下载，遵守各自的许可；示例图只作效果演示，不可商用。详见 README。
Contributors
Assets 3
v1.0.0
第一个正式版。去掉 GPT 生图（gpt-image-2 / 2.5 / 2.6、ChatGPT、Codex 内置 image_gen）在二次元 / 番剧画风图里留下的鱼鳞状噪点，不重画画面。
视频讲解（B 站）：https://www.bilibili.com/video/BV1EC4B6rEMs/
下载和使用
- 下载下面附件里的
gpt-anime-denoise-v1.0.0.zip，解压。 - Windows 上双击
去噪工具.bat，浏览器会打开本机网页工具（http://127.0.0.1:7865/）。电脑上还没有装好依赖的 Python 时，它会先运行一键安装：识别显卡、显示要下载多少，你确认后才装到本文件夹的.venv，不改系统。 - 模型第一次运行时自动下载（约 100 MB，带 SHA-256 校验）。
需要 Python 3.10 或更新版本。不用网页的话，命令行用法见 README。附件和 GitHub 自动生成的 Source code 内容一样，区别只是附件里的文件夹名就叫 gpt-anime-denoise，可以直接放进 Claude Code / Codex 的 skills 目录。
主要内容
- 默认方案：缩小 60% → Real-ESRGAN 4× 动漫模型放大 → 缩回原尺寸 → L0 平滑 0.001。另有轻柔 / 强力两档，也可以用
--all一次生成 7 种方法的对比图。 - 网页工具：拖入、选择或粘贴图片，多张排队处理；对比 / 原图 / 结果三种视图，
X全屏切换原图和结果；改参数时旧任务立刻中止；只改 L0 时复用超分结果，约 0.3 秒出图；结果自动存到outputs/。 - 局部保护笔刷：皮肤阴影、腮红、细纹理、小字这些不想被抹平的地方，涂上就按比例混回原图（默认 90%，带柔边），实时生效，不用重跑模型。
- 显存 / 内存不够也能跑：不够时把同样的计算按行分段做，每段带足相邻行，结果和整图一次处理逐像素一样，没有接缝，也不会溢出到共享内存。
- 显卡加速：NVIDIA 显卡上超分和 L0 都在显卡上跑（RTX 5080 上 1024×1536 一张约 1–2 秒）；AMD 显卡可用 ROCm；没有独显（Mac、集显）时自动用 CPU，结果一样，只是慢。
- 格式：PNG、JPEG、WebP、BMP、GIF（静态）、TIFF、AVIF；保留透明背景、EXIF 方向和色彩配置，16 位图和 CMYK 图都能正确转换，输出 PNG。
作者
致谢
- @AkihiM（PR #1）做了第一版网页界面，现在网页工具的很多设计借鉴了它，原版完整保留在
contrib/akihim-web-gui/。 - @juanhanyu（PR #2、PR #3）加了一键安装依赖和能自动找 Python 的启动脚本，并解决了 AMD 显卡上每种新尺寸都要卡约 90 秒的问题。
许可
代码 MIT。模型不随仓库分发，从原作者地址下载，遵守各自的许可；示例图只作效果演示，不可商用。详见 README。
