Jasna 马赛克检测模型选型指南按素材挑对模型少漏检、不白等【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasnaJasna 是一款视频修复工具第一步就是靠检测模型在每帧里找出马赛克位置再交给修复模型重建画面。检测模型选错不会报错但会让你多等、多漏。大多数人直接保留默认的rfdetr-v6就行只有 4K、VR180、2D 动画这三种素材需要换。哪个是默认且够用的⭐rfdetr-v6 是出厂默认也是综合表现最好的选择内置无需下载。它推理分辨率 576、阈值 0.35、动态批处理配置定义见 detection_registry.py。Jasna 的扫描基准测试里1080p 素材在 RTX 5090 上约830 FPS4K 约500–720 FPS检测环节不是瓶颈原始数据。6 个模型一览模型后端推荐场景默认阈值注意事项rfdetr-v6 ⭐RF-DETR1080p 及以下日常素材0.35内置零配置rfdetr-v6-largeRF-DETR4K、要求零漏检0.40需下载NVIDIA 下.onnx、AMD 下.ptrfdetr-vr-v1RF-DETRVR180 左右并排视频0.40内置VR 首选rfdetr-v5RF-DETR已有旧权重、想回退时0.25旧模型批处理固定为 4lada-yolo-v4YOLO2D 动画、AMD 追求速度0.25内置fast 版lada-yolo-v2 / zelefans-vr-yolo-v2YOLOVR180 备用、动画交叉验证0.25需下载到model_weights/4K 素材该换哪个模型✅4K 且不能容忍漏一块马赛克时换 rfdetr-v6-large。它把推理分辨率从 576 提到 768检出质量更高代价是更慢——所以留给高分辨率素材用models.md 明确 4K 更适合它。该模型不随 Jasna 附带按显卡选文件放入 model_weights/应用会自动发现。# 4K切换大模型 jasna --input input.mp4 --output output.mkv --detection-model rfdetr-v6-large⚠️扩展名跟着显卡走NVIDIA 用rfdetr-v6-large.onnx编译成 TensorRT 引擎AMD 用rfdetr-v6-large.pttorch 直接运行取错文件会直接报权重缺失逻辑在 detection_registry.py 的rfdetr_weights_suffix()。 小技巧如果只是偶尔漏几帧先用默认的--max-detection-gap 2——同一位置马赛克重新出现时它会自动回填最多 2 帧的空档不用换模型。VR180 左右并排视频怎么处理️VR180 一律切 rfdetr-vr-v1内置VR 模式保持自动。VR180 是 3840×1920 这类左右眼并排的宽幅画面普通模型在鱼眼投影下表现打折Jasna 因此专门内置了 VR 专用模型。自动模式会把高度超过 1080 且严格 2:1 宽度的视频3840×1920、8192×4096识别为并排 VR无需手动设置vr180.md。# VR180切 VR 专用模型 jasna --input input.mp4 --output output.mkv --detection-model rfdetr-vr-v1 --vr-mode auto自动模式认不出文件时用--vr-mode sbs或sbs-fisheye强制按 VR 处理。zelefans-vr-yolo-v2YOLO 后端640 输入需下载是 VR 的备选方案。⚠️ VR 素材不要用默认的 rfdetr-v6它没见过并排布局漏检率会明显上升。Lada YOLO 是不是只适合 2D 动画真人素材不建议优先选 YOLO它是默认模型反复漏掉某种风格马赛克时的交叉验证项。YOLO 后端以 640×640 letterbox 输入推理NVIDIA 上还能编译 TensorRT 引擎加速yolo.py、yolo_tensorrt_compilation.py。官方对它的表述只有一句Lada YOLO 可能更适合 2D 动画GUI 里检测模型的下拉提示同样写了这句。lada-yolo-v4内置fast 版更快lada-yolo-v2需下载。⚠️AMD 用户注意RF-DETR 在 AMD 上走.pt torch比 NVIDIA 的 TensorRT 路线慢。官方建议如果速度比检测质量更重要改用lada-yolo-v4YOLO 本身轻量AMD 上不依赖 TensorRT 编译见 models.md。 小技巧想用两个模型互相印证打开区间编辑器对同一段视频分别扫一遍 rfdetr-v6 和 lada-yolo-v4在预览里看红色遮罩谁圈得更全。检测阈值该调高还是调低看症状漏马赛克就调低正常画面被误检就调高先用短片段验证再跑全片。各模型推荐阈值会自动生效只有发现问题才需要手动干预参数默认值作用--detection-modelrfdetr-v6模型名自动从model_weights/发现已装模型--detection-model-path自动自定义权重路径扩展名按显卡匹配--detection-score-threshold自动0.35 / 0.40 / 0.25检测置信度0–1--max-detection-gap2同一位置最多回填 N 帧的检测中断--min-detection-duration2丢弃持续少于 N 帧的误检可执行的判断规则cli.md漏检 → 0.35 降到 0.28 左右误检 → 0.35 提到 0.42 左右。GUI 里切换模型设置面板的检测模型下拉框内置模型直接可见放进model_weights/的下载权重会自动出现在列表里更细的玩法在区间编辑器队列条目上的剪刀按钮给每个视频单独设置检测模型和阈值设置只保存给该视频并用于最终任务不影响其他视频segments.md。# 某段素材漏检调低阈值重试 jasna --input input.mp4 --output output.mkv --detection-score-threshold 0.28速查场景 → 选择你的场景选择说明日常 1080p 及以下rfdetr-v6 ⭐不用动4K / 零漏检rfdetr-v6-large下载对应显卡扩展名的权重VR180 并排rfdetr-vr-v1VR 模式保持自动2D 动画 / 某类马赛克反复漏lada-yolo-v4区间编辑器里交叉验证AMD 且速度优先lada-yolo-v4RF-DETR 在 AMD 上更慢检测有空档或短误检不换模型调--max-detection-gap 2/--min-detection-duration 2默认值已是 2【免费下载链接】jasnaVideo restoration tool项目地址: https://gitcode.com/GitHub_Trending/ja/jasna创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考