Aletheia-Lens v1.3.0（实验性手动标注修复）

本版本重点

v1.3.0 新增实验性的手动标注修复，解决自动检测漏掉黑条或选区不完整时无法补画的问题。对应 #10，已通过 #11 合入。

手动标注修复（实验性功能）

• 入口：单图片模式 + 模式 I → 高级功能（实验性功能）→ 手动标注修复。
• 可以先自动检测，再用画笔补画、橡皮擦除，按当前选区执行修复。
• 支持撤销/重做、缩放/平移、选区扩大预览和工作图/结果对比。
• 使用原图尺寸的独立遮罩，保留选区外像素及透明通道；另存结果时自动避让已有文件。
• 修复展开高级功能后的窗口适配，以及编辑器返回后的字体和字号一致性。

Warning

该手动涂抹功能除了能跑以外特别难用，这个项目也终于到需要重构的阶段了

目前仅支持静态单图片和模式 I；批量审核与整体重构留待后续处理。

文档

• 重新整理中文 README，补充图标、界面截图、安装步骤和操作说明。
• 新增 English README，顶部可切换语言；两个发行包都包含双语 README 和配套图片。程序界面目前仍为中文。

下载选择

• Aletheia-Lens_v1.3.0_cpu.7z：CPU 版，适合没有兼容 NVIDIA 显卡的设备，下载体积较小。
• Aletheia-Lens_v1.3.0_cuda12.7z：NVIDIA GPU 版，内置 CUDA 12 / cuDNN 9 运行库。

两个压缩包均包含运行模型，解压后运行 Aletheia-Lens.exe，无需安装 Python 或另行下载模型。CUDA12 版优先让检测与 ESRGAN 放大使用 GPU；DeepCreamPy 的 bar.onnx / mosaic.onnx 因兼容性原因仍固定使用 CPU。

验证

• 本地及 CPU / CUDA12 CI 的 109 项回归测试通过。
• 本机图形界面和真实 CPU 手动修复验证通过，包括窗口适配、字体恢复、保存及延迟任务处理。
• 两个版本均通过模型 SHA-256 校验、PyInstaller 打包及打包后四模型真实推理检查；CUDA12 包额外通过 DLL 清单和 provider 检查。
• GitHub Windows runner 没有 NVIDIA GPU，上述云端检查不代表真实 GPU 执行已验证。

CI 运行记录 · 完整变更

---

English

v1.3.0 adds an experimental manual mask editor for correcting missed or incomplete bar detections (#10, implemented in #11).

• Open Single image + Mode I → “高级功能（实验性功能）” → “手动标注修复”. Run automatic detection or paint a selection, erase false positives, then repair using the current mask.
• Includes undo/redo, zoom/pan, selection expansion preview, result comparison, and saving without overwriting the source or previous results.
• Preserves pixels outside the selection and the alpha channel. Fixes window sizing and font consistency when returning from the editor.
• Adds an English README and bilingual navigation. Both packages include the documentation and images; the application interface remains in Chinese.

Warning

The manual painting feature runs, but it is very difficult to use. This project has finally reached the point where it needs a refactor.

Only static single images and mode I are supported. Batch review and broader refactoring are deferred.

Downloads: choose *_cpu.7z for CPU inference or *_cuda12.7z for a compatible NVIDIA GPU. Both include all runtime models; extract and run Aletheia-Lens.exe. The CUDA12 package bundles CUDA 12 / cuDNN 9, while the DeepCreamPy bar and mosaic models remain pinned to CPU for compatibility.

Validation: 109 regression tests passed locally and in each CI build. Both packaged executables passed real inference checks for all four models; the CUDA12 package also passed DLL and provider checks. The desktop/manual repair workflow was verified locally on CPU. GitHub's Windows runners have no NVIDIA GPU, so cloud validation does not establish actual GPU execution.

Aletheia-Lens v1.2.0（漫画去网点预处理）

本版本重点

v1.2.0 新增可选的漫画去网点预处理，并保留 v1.1.1 的静态 WebP 与日文路径支持。

去网点预处理

• 在现有模式 I、II、III 之前执行，不需要把图片手动处理两遍。
• 默认关闭；可选轻度、中度、强度三级，默认中度。
• 单图片、文件夹、平铺文件夹和 ZIP/7Z/RAR 压缩包模式均已接入。
• 仅处理颜色通道，RGBA 图片的 Alpha 透明通道原样保留。
• 启用后的单图文件名和批量输出哈希会区分强度，避免覆盖其他处理结果。
• 适合带印刷点阵的扫描漫画；强度越高，网点通常越少，但线条和纹理细节损失也会增加。普通图片建议保持关闭。

去网点处理思路参考 Screentone-Remover，当前滤镜代码为独立实现。

下载选择

• Aletheia-Lens_v1.2.0_cpu.7z：体积较小，全部模型使用 CPU。
• Aletheia-Lens_v1.2.0_cuda12.7z：NVIDIA GPU 版，内置 CUDA 12 / cuDNN 9 运行库。

CUDA12 包会让 Mask R-CNN 检测与 ESRGAN 放大优先使用 GPU。DeepCreamPy 的 bar.onnx 和 mosaic.onnx 在 CUDA12/cuDNN9 下会产生非有限值，因此为保证结果正确而明确固定使用 CPU。程序日志会显示每个 ONNX 会话实际使用的 Provider。

两个完整压缩包都已经包含 _internal/models 下的运行模型，直接解压并运行 Aletheia-Lens.exe，无需另行下载模型。

源码运行者仍需从 models-v1 Release 准备：

• models/mrcnn/weights.onnx
• models/esrgan/4x-Fatal-Pixels.onnx
• models/esrgan/4x-Fatal-Pixels.onnx.data

验证

• 86 项自动化回归测试通过。
• 去网点真实漫画样图轻/中/强视觉检查通过。
• CPU 与 CUDA12 均完成 PyInstaller 构建和打包程序四模型真实推理 smoke。
• CUDA12 DLL 清单验证与最终 Release 发布通过。

Aletheia-Lens v1.1.1（WebP / 日文路径支持）

本次更新

• 新增静态 WebP 支持，覆盖单图片、文件夹以及 ZIP、7Z、RAR 压缩包工作流。
• 修复日文路径显示：保留原默认字体，并为输入路径、输出路径和日志控件加入 Noto Sans CJK JP 扩展字体。
• Noto 字体及其 SIL Open Font License 1.1 许可证已随程序完整打包。
• 增加日文单图、嵌套目录、压缩包内 WebP、字体覆盖和打包回归测试。

下载选择

• 普通电脑或不需要显卡加速：下载 Aletheia-Lens_v1.1.1_cpu.7z
• NVIDIA 显卡、需要 CUDA 12 加速：下载 Aletheia-Lens_v1.1.1_cuda12.7z

下载后直接解压并运行 Aletheia-Lens.exe。两个完整包都已在 _internal/models 中包含运行所需的 ONNX 模型，不需要再下载 models-v1。

程序日志会显示各模型实际使用 CUDA、混合状态或 CPU。Mask R-CNN 与 ESRGAN 可使用 CUDA；DeepCreamPy 的 bar.onnx 和 mosaic.onnx 因 CUDA12/cuDNN9 数值兼容性固定使用 CPU，这是预期行为。

源码运行

源码用户可从 models-v1 模型 Release 获取模型，并按 README 放入 models/mrcnn 与 models/esrgan。models-v1 仅供源码运行和模型维护，不是可直接运行的程序包。

SHA-256

• CPU：fdfc5a58f3e4770e3649f6b7cd5632db9f4a5a9e49f7d459f13c4e94b2dcdd7f
• CUDA12：0fa9770c200cc8e53d1da9c8566da8cc6926e0168fd9fbfed425805c6335b8ea

完整变更：v1.1.0...v1.1.1

Aletheia-Lens v1.1.0（CPU / CUDA12 双版本）

这是可直接运行的完整程序版本，已经包含运行所需的 ONNX 模型。普通用户只需下载下面其中一个压缩包，不需要再单独下载 models-v1。

下载哪个版本

• Aletheia-Lens_v1.1.0_cpu.7z：CPU 版本，无需 NVIDIA 显卡或 CUDA，压缩包约 358 MiB。
• Aletheia-Lens_v1.1.0_cuda12.7z：CUDA12 版本，适合支持 CUDA 12 的 NVIDIA 显卡与驱动，压缩包约 1.48 GiB。包内已包含 CUDA / cuDNN 用户态运行库，不需要另外安装完整 CUDA Toolkit，但仍需要可用的 NVIDIA 显卡驱动。

CUDA12 版本中，Mask R-CNN 与 ESRGAN 会优先使用 CUDA；DeepCreamPy 的 bar.onnx、mosaic.onnx 固定使用 CPU。CUDA 不可用时建议直接使用 CPU 版本。

使用方法

1. 下载适合自己的 .7z 压缩包。
2. 将压缩包完整解压到普通文件夹，不要直接在压缩软件内运行。
3. 双击解压目录中的 Aletheia-Lens.exe。

两个完整包都已经包含模型，程序内的模型位于：

Aletheia-Lens/
└─ _internal/
   └─ models/
      ├─ deepcreampy/
      │  ├─ bar.onnx
      │  └─ mosaic.onnx
      ├─ mrcnn/
      │  └─ weights.onnx
      └─ esrgan/
         ├─ 4x-Fatal-Pixels.onnx
         └─ 4x-Fatal-Pixels.onnx.data

使用完整压缩包时请不要移动、重命名或单独替换 _internal/models 中的文件。

从源码运行时的模型位置

只有从源码运行或维护自动构建时，才需要前往 models-v1 下载大型模型，并保持文件名不变：

• weights.onnx → models/mrcnn/weights.onnx
• 4x-Fatal-Pixels.onnx → models/esrgan/4x-Fatal-Pixels.onnx
• 4x-Fatal-Pixels.onnx.data → models/esrgan/4x-Fatal-Pixels.onnx.data
• model-assets.sha256 → .github/model-assets.sha256（用于完整性校验，单纯运行源码时不是必需文件）

4x-Fatal-Pixels.onnx 与 4x-Fatal-Pixels.onnx.data 必须放在同一目录。DeepCreamPy 的两个模型已包含在源码仓库中，无需另行下载。

v1.1.0 更新内容

• 将 Mask R-CNN、ESRGAN 与 DeepCreamPy 推理链迁移到 ONNX Runtime，大幅缩减项目与发布包体积。
• 提供 CPU 与 CUDA12 两套独立完整包。
• 新增 ZIP、7z、RAR 压缩包输入，以及安全解压、路径碰撞和异常归档检查。
• 新增打包程序冒烟测试、模型哈希校验、CUDA DLL 校验和 GitHub Actions 自动发布。
• 修复 GitHub Actions 中文输出编码与 Windows runner 路径规范化问题。

文件校验

• CPU：SHA256 015c45aaa58fcdb50ad962ef8916cca0dc0ef6a0dc41562dcf4e7a3167713912
• CUDA12：SHA256 26e4d1566acf737cf650fe8b8fa0fc9d69173bff492a9a8dc94dfff846d4ab83

Aletheia-Lens ONNX 模型文件（源码与自动构建使用）

这是什么

这个 Release 只存放 ONNX 模型文件，不是可以直接运行的程序本体，主要用于：

• GitHub Actions 自动构建 CPU / CUDA12 安装包；
• 从源码运行时手动补齐未提交到 Git 仓库的大型模型。

普通用户不需要单独下载这些文件，请到项目的 Latest Release 下载已经包含模型的 CPU 或 CUDA12 完整版。

源码运行时的放置位置

下载后请保持文件名不变，并按下面的位置放到项目根目录：

Aletheia-Lens/
├─ models/
│  ├─ mrcnn/
│  │  └─ weights.onnx
│  └─ esrgan/
│     ├─ 4x-Fatal-Pixels.onnx
│     └─ 4x-Fatal-Pixels.onnx.data
└─ .github/
   └─ model-assets.sha256

对应关系：

• weights.onnx → models/mrcnn/weights.onnx
• 4x-Fatal-Pixels.onnx → models/esrgan/4x-Fatal-Pixels.onnx
• 4x-Fatal-Pixels.onnx.data → models/esrgan/4x-Fatal-Pixels.onnx.data
• model-assets.sha256 → .github/model-assets.sha256，用于校验模型完整性；仅运行程序时不是必需文件

4x-Fatal-Pixels.onnx 和 4x-Fatal-Pixels.onnx.data 必须放在同一目录。DeepCreamPy 使用的 bar.onnx、mosaic.onnx 已包含在 Git 仓库中，无需从这里下载。

Aletheia-Lens-release_dirVer1.0

结果多文件压出来的版本比单文件还小点，pyinstaller你真的是