TL;DR

Jasna는 JAV 영상의 모자이크 영역을 탐지하고 GPU 복원 모델을 적용하는 standalone desktop tool이며 GUI와 CLI를 모두 제공합니다. NVIDIA TensorRT 기반 GPU-only pipeline이 기본이고 AMD ROCm은 experimental 지원으로 남아 있으며, VR180 영상·still image·부분 구간·브라우저 또는 Stash streaming까지 처리 범위를 넓혔습니다. RTX 5090 측정에서 v0.9.1은 2160p 복원을 Lada 0.11.0 v2보다 4.7x faster로 처리했지만 Lada가 GPU memory를 더 적게 사용했습니다. NVIDIA compute capability 7.5 이상과 최신 driver가 필요하고 첫 GPU 준비에 15~60분이 걸리므로 호환 GPU를 보유한 사용자가 GUI 기반 일괄 복원과 세밀한 구간 처리를 원할 때 선택할 만합니다.

핵심 포인트

• standalone tool인 Jasna는 별도 Python 라이브러리보다 완성형 desktop GUI와 CLI로 사용하는 영상·이미지 복원 프로그램입니다. Windows와 Linux 실행 패키지를 제공하고 NVIDIA GPU를 기본 대상으로 삼으며 AMD ROCm은 실험적으로 지원합니다. GUI의 큐·Preset·Segment Editor와 CLI의 단일 파일·폴더 처리 옵션을 함께 쓰려는 개발자에게 적합합니다.
• GPU-only pipeline이 입력 영상에서 모자이크 영역을 탐지하고 추적한 뒤 복원 모델을 적용해 출력 파일이나 실시간 스트림을 만듭니다. RF-DETR 계열과 YOLO 계열 탐지 모델을 선택할 수 있고, 장면 전환에서는 추적 클립을 끊어 서로 다른 장면이 섞이지 않게 처리합니다. VR180 side-by-side 영상은 양쪽 눈을 나눠 처리하고 temporal overlap과 crossfade로 클립 경계의 깜빡임을 줄입니다.
• 기본 사용에는 compute capability 7.5 이상인 NVIDIA GTX 16-series·RTX 20-series 이상 GPU와 Windows driver 610 이상 또는 Linux driver 580 이상이 필요합니다. 첫 실행 때 GPU별 파일을 준비하며 NVIDIA에서는 보통 15~60분이 걸리고 결과는 model_weights에 캐시됩니다. unet-4x secondary upscaler와 SD 1.5 still-image restoration 모델은 프로젝트에 총 $15 USD 이상 후원하고 key를 받아야 사용할 수 있습니다.
• 성능과 VRAM 사용량은 README의 RTX 5090·i9-13900K Linux 측정에서 버전별 개선 폭이 크게 나타납니다. v0.9.1은 2160p H.264 영상에서 Lada 0.11.0 v2보다 4.7x faster인 01:03을 기록했고, restoration sub-engine을 고정 batch size로 빌드해 GPU memory를 7.2/10.9 GiB로 낮췄습니다. 다만 Lada가 모든 Jasna build보다 GPU memory를 적게 사용했다는 조건과, AMD 지원이 experimental이라는 제약을 함께 고려해야 합니다.

벤치마크

이미지 분석