dlss5-visual-enhancer

低清图/视频一键变高清流畅,AI 超分加补帧

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 图像生成 🍴 复刻 152 🐛 待处理 75 👀 关注 27
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1972
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,无在线服务

项目预览

dlss5-visual-enhancer 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类图像生成
开发团队Merserk
定价模式🏷️完全免费
价格说明开源免费,无在线服务
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议NOASSERTION
主要语言C++
技术栈/模型ai-upscaling,dlss,dlss-5,dlss5,dlssg,frame-generation,frame-interpolation,image-enhancement,image-upscaling,neural-rendering,nvidia,nvidia-dlss-5,nvidia-rtx,rtx-video,rtx-video-super-resolution,video-enhancement,video-upscaling
GitHub 星标★ 1972
上线时间2026-08-30 00:00:00
代码更新2026-11-19
仓库体积21.7 MB
本站数据更新2026-11-21
维护状态活跃
收录时间2026-10-06
浏览次数5

项目介绍

dlss5-visual-enhancer 是一个用 Python 编写的开源图像与视频增强工具,借用 NVIDIA DLSS 5 的技术概念(神经渲染、帧生成、RTX 视频超分辨率、HDR 等),在本地对图片和视频进行 AI 超分、画质提升与帧率插值。它解决的是低分辨率素材放大后模糊、视频卡顿、动态范围不足等问题,让普通用户无需专业后期软件也能一键获得更清晰、更流畅、更鲜艳的画面。核心能力包括:基于 AI 的图像/视频超分辨率,将低清素材重建为高分辨率;帧生成与插值,把低帧率视频补成高帧率,提升流畅度;HDR 色调映射,增强明暗细节和色彩表现;以及实时播放增强,边播边处理。项目以 Python 实现,便于二次开发和集成,适合对画质有要求但不想依赖商业软件的用户。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-10-06 · 当前星标 ★ 1972

技术标签

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 6 步

环境要求

  • Windows 系统(README 明确为 portable Windows application)
  • NVIDIA RTX 系列显卡(面向 RTX GPU)
  • 可访问 GitHub Releases 页面下载 ZIP 包
  • 本地解压工具(需完整解压 ZIP)

安装与启动步骤

  1. 1确认硬件环境

    本工具是面向 NVIDIA RTX GPU 的 Windows 便携应用,先确认机器满足该条件再下载。

  2. 2下载最新版本

    打开 GitHub 的 latest release 页面,下载最新发布的 ZIP 压缩包。

  3. 3完整解压压缩包

    把 ZIP 完整解压到一个文件夹,不要只单独取出 exe,否则可能缺少依赖文件。

  4. 4运行主程序

    进入解压后的目录,启动 Visual Enhancer.exe,打开图形界面工作区。

    & ".\Visual Enhancer.exe"
  5. 5试跑 dry run

    加 --dry-run 先看媒体元数据、阶段顺序和计划输出路径,不启动增强引擎。

    .\VE_CLI.exe render "C:\Media\clip.mp4" --preset "C:\Presets\cinematic.json" -o "C:\Results" --dry-run
  6. 6CLI 批量渲染

    确认无误后去掉 --dry-run,按预设执行所有已启用阶段并输出到指定目录。

    .\VE_CLI.exe render "C:\Media\clip.mp4" --preset "C:\Presets\cinematic.json" -o "C:\Results"

关键配置

配置项必填说明示例
--preset是指定桌面应用导出的预设文件,决定启用哪些处理阶段C:\Presets\cinematic.json
-o否指定渲染结果的输出目录C:\Results
--scale否作用于 RTX Super Resolution 的缩放倍数2
--size否作用于 RTX Super Resolution,按精确尺寸输出3840x2160
--dry-run否只查看元数据与计划输出,不启动增强引擎、不建目录--dry-run
--json否向 stdout 输出单个机器可读结果对象--json

如何确认成功

图形界面正常打开并显示 Image/Video 管线、可预览;CLI 加 --dry-run 能输出媒体元数据与规划输出路径。

常见问题

Q:没有 NVIDIA RTX 显卡能用吗?

A:README 明确本工具面向 NVIDIA RTX GPU,功能依赖 DLSS 5 神经渲染、RTX 视频超分等 RTX 特性,非 RTX 环境不在说明范围内。

Q:需要自己装 Python 吗?

A:不需要。README 的安装步骤只有三步:下载最新 release、完整解压 ZIP、运行 Visual Enhancer.exe,没有要求 pip 安装。

Q:--scale 和 --size 有什么区别?

A:两者都作用于 RTX Super Resolution;--scale 按倍数放大,--size 则按你指定的精确尺寸输出。

Q:帧生成的目标帧率有什么限制?

A:支持 23.976 到 480 FPS 的目标帧率,且所选目标帧率必须高于输入视频的原始帧率。

Q:命令行输出太乱怎么办?

A:加 --quiet 抑制进度信息(仍保留错误和最终结果),加 --json 可让结果以单个 JSON 对象输出到 stdout。

注意事项

  • 必须完整解压 ZIP 后再运行,不要直接在压缩包内启动。
  • DLSS 输出尺寸随模式变化:DLAA 1×、Quality 1.5×、Balanced 约 1.724×、Performance 2×、Ultra Performance 3×。
  • Live 模式可在播放本地视频和支持的在线流时实时启用 DLSS 5 神经渲染。
  • 工作区可拖拽卡片调整处理阶段顺序,也可单独关闭某个阶段。

核心亮点

  • 支持图片和视频双模式,覆盖超分、补帧、HDR 多个增强维度
  • Python 实现,代码可读可改,方便集成到自有处理管线
  • 提供实时播放增强,能边播边处理,适合预览和演示场景

不足之处

  • 依赖 NVIDIA RTX 与 DLSS 相关能力,非 RTX 显卡用户基本无法使用
  • 项目名借用 DLSS 5 概念,实际效果与官方 DLSS 5 可能存在差距,需自行验证

适用场景

  • 把老电影、低清录像带修复成高清流畅视频
  • 游戏录屏或直播画面实时超分补帧,提升观看体验
  • 手机或相机拍摄的低分辨率照片批量放大增强

替代项目

Real-ESRGAN、Waifu2x-Extension-GUI、RIFE

上一篇:InternSVG

下一篇:Comfyui-Resolution-Master

同类项目推荐

gpt-image-2.5-for-e-commerce 开源

套用提示词模板,快速批量生成电商商品图和营销素材

GPT Image 2.5 for e-commerce: prompt cookbook for listing photos, model try-on, prod···

★ 236 2026-09-11
cycle-diffusion 开源

用循环一致性让扩散模型精准编辑图像,无需重新训练。

[ICCV 2023] A latent space for stochastic diffusion models

★ 658 2026-08-09
stable-diffusion.cpp 开源

环境都不用配,一个文件直接本地出图

Diffusion model(SD,Flux,Wan,Qwen Image,Z-Image,Minimax H3,...) inference in pure C/C···

★ 8101 2026-08-09
texel-studio 开源

像真人画家一样,用工具逐步绘制像素画,而非扩散生成。

AI pixel art agent that paints like a real artist. Not diffusion — actual tool-base···

★ 257 2026-08-09
rampensau 开源

用色相循环和缓动函数,几行代码生成和谐调色板

Color palette generation function using hue cycling and simple easing functions.

★ 322 2026-08-09
segsmaker 开源

在 Colab/Kaggle 上一键跑起 Stable Diffusion 绘画

Stable Diffusion WebUI Notebook

★ 160 2026-10-08
DCGAN-Tensorflow 开源

用 TensorFlow 快速训练 DCGAN,生成 Fashion-MNIST 和 CIFAR-10 图像

A Tensorflow implementation of Deep Convolutional Generative Adversarial Networks tr···

★ 71 2026-08-09
PITI 开源

用预训练模型,小样本也能搞定高质量图像翻译

PITI: Pretraining is All You Need for Image-to-Image Translation

★ 504 2026-08-09