Aletheia-Lens

一个基于deepcreampy的自动涂抹识别去码工具，带有GUI界面和打包版本，极易使用

适用场景

• 我有一批带黑条的图片，只有少部分可猜测细节被遮挡，我希望能批量修复他们并且不影响原有命名顺序
• 我解包了一个游戏，找到了其带码的素材，我想批量转换他们但是素材太多了，分不清其文件结构，而且不想破坏原有素材的图层透明性(模式II不会，模式III会破坏)
• 等等场景，作者做来主要是针对游戏解包素材再修复，如有需求可以交个issue我试试
• 仅适用于二次元图片

简介

一个使用了deepcreampy和hent-AI的来实现自动涂抹和自动去码的AI工具

前往 Release 页面下载

部署API?

安装Python环境？

现在一次性帮你打包好了，当然，如果你不打算下载我打包的release版本使用的话，你仍然需要按照下文的办法手动安装模型

工具GUI

安装办法

即开即用版本

每个新版本提供两个压缩包：

• *_cpu.7z：体积较小，使用 CPU。
• *_cuda12.7z：NVIDIA GPU 版，内置 CUDA 12 / cuDNN 9 运行库。

下载后解压并运行 Aletheia-Lens.exe。程序日志会明确显示 ONNX 会话已启用 CUDA、混合状态还是纯 CPU。CUDA 包会让 Mask R-CNN 检测与 ESRGAN 放大优先使用 GPU；DeepCreamPy 的 bar.onnx / mosaic.onnx 在 CUDA12/cuDNN9 下会产生非有限值，因此明确固定到 CPU，日志会说明这是兼容性策略而不是静默回退。

程序使用pyinstaller打包，若需要自行打包可以下载源码看下边python安装方法

（我去pyinstaller你这打包下来是真夸张啊）

已有python不想安装那么多东西，你这也太大了

这个项目构建在Python 3.10.11下，尚不清楚其他版本是否会出现问题，如遇兼容性问题可告知我我在这留下信息

CPU 环境：

pip install -r requirements.txt

NVIDIA GPU 环境：

pip install -r requirements-gpu.txt

源码运行 RAR 压缩包还需要安装 7-Zip，并确保 7z.exe 位于默认安装目录或 PATH；打包版已经内置所需文件。

安装完成后（你需要先把下边模型安装齐全）

python main.py

模型安装

如果你是直接下载的release版本你无需关注本部分，为了方便使用我就顺便集成进去了，（侵删）

如果你是python办法下载源代码自行运行的

考虑到用到的deepcream模型是onnx导出过的，这个就集成进models文件夹里了

运行时需要以下 ONNX 文件：

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

DeepCreamPy 的 bar.onnx 和 mosaic.onnx 已包含在仓库中。其余模型由项目的模型 Release 提供。

注意命名必须对的上

看到程序模型部分全绿就意味着正常打开了

使用办法

实际上相当简单啊，我相信大多数人一打开就会了

另外这个工具只支持二次元图片

先选择输入类型：单图片、文件夹或压缩包模式。压缩包模式支持 ZIP、7Z 和 RAR，处理后保留包内目录结构；保留结构的文件夹和压缩包会按“源完整路径 + 处理模式”创建独立的 after_<名称>_<短哈希> 目录，结果文件在完整原文件名后追加 .processed.png。平铺模式使用输入根、源相对路径和处理模式生成稳定 SHA-256 名称，避免目录压平或跨任务复用输出目录时同名覆盖。文件夹输出目录必须位于输入目录之外。

为避免压缩炸弹或链接越界，单个压缩包最多包含 20,000 个成员、解压后总大小最多 20 GiB。解压前会拒绝绝对路径、父目录跳转、Windows 设备名、规范化后冲突的目标，以及符号链接、目录联接和 RAR 重定向，并检查临时目录剩余空间。

然后选择输入输出文件夹，输入文件夹就是你要修复的图片所在的文件夹，输出文件夹就是修复后的图片存放的文件夹

输出文件夹会默认保留原先文件夹的结构，同时最顶层使用 after_<名称>_<短哈希> 区分不同输入和处理模式。

接着选择模式，对于大部分本子用的黑条去码，选择模式I，对色块的漫画去码效果应该是不赖的

对于一般的马赛克选择模式II

模式III不是很建议使用，出来的效果有时很诡异

接着一切就绪，点击开始处理即可

需要注意的是，执行前请确保模块都加载好了

工具说明

本工具基于deepcreampy 和 hent-AI

还使用了4x-Fatal-Pixels 的 ONNX 转换模型。

前者提供对涂抹部分去码，中者用于识别并涂抹码区，后者用于放大功能

使用了前人 fastapi 的调用处理过程，在基础上修改了一些调用，并做了一个GUI窗体

以及使用了免费字体：素材集市康康体

感谢以上

报错或者疑难杂症

项目包含 ONNX、CUDA 打包、压缩包安全和批量输出的自动化回归测试；如仍遇到问题可以提交 issue。

或者其他疑难杂症加入Q群反馈 ：829569018