项目预览
项目数据
项目介绍
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
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 -
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
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···
Collaborative-Diffusion
开源
无需重训,让多个扩散模型协作生成多条件图像
[CVPR 2023] Collaborative Diffusion
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
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···
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···
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.
segsmaker
开源
在 Colab/Kaggle 上一键跑起 Stable Diffusion 绘画
Stable Diffusion WebUI Notebook
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···
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
