Justin

Command Palette

Search for a command to run...

返回作品典藏庫
原型2026ai-data

RestorAI Studio — AI 影像修復與超解析展示工作台

可公開展示的 AI 影像修復產品 Demo，含 before/after、任務流程與 mock-safe 推論模式

RestorAI Studio 是一套 AI 影像修復與超解析平台原型，將 Real-ESRGAN、GFPGAN/CodeFormer、RIFE 等模型服務架構整理成可讓使用者直接操作的作品集 Demo。公開版以瀏覽器 Canvas 模擬推論流程，不依賴 GPU 或模型權重；本機則提供 FastAPI + Pillow 的 smoke-safe API，用來驗證上傳、處理與回傳流程。

網站 Demo查看 GitHubDemo 錄影閱讀 README

已驗證 Demo 錄影 1

由 portfolio quality pass 從既有專案 demo 素材複製。

23 張截圖4 支 Demo 影片

媒體總覽

快速瀏覽這個專案的截圖與錄影展示。

專案連結與 Demo 狀態

live

網站 Demo

有已驗證 Live Demo 時直接開啟；尚未部署時，使用本頁的執行指南準備手動展示。

github

查看 GitHub

有公開 repository 時直接開啟；尚未確認時，使用本頁原始碼狀態追蹤後續補齊。

video

Demo 錄影

有 Demo 錄影時直接開啟；尚未錄影時，使用本段作為錄影檢查清單。

documentation

閱讀 README

有 README 時直接開啟；尚未補齊時，使用本案例頁作為文件基準。

專案概覽

## 專案概述 RestorAI Studio 展示的是「如何把 AI 模型原型整理成可展示產品」。公開 demo 不假設使用者有 GPU 或模型權重，而是用瀏覽器 Canvas 建立可操作的影像修復工作台：載入 sample、調整 scale/strength、執行 pipeline、觀看 before/after、檢查 job payload。 ## 技術架構 專案保留完整 AI service scaffold：FastAPI routers、job manager、metrics/history/export/admin routes、Gradio/CLI/PyQt 入口、AI Warehouse 模型路徑，以及 Real-ESRGAN/GFPGAN/RIFE adapter 設計。展示路徑則以 `portfolio-web/` 靜態前端與 `webapp/main.py` demo API 穩定交付。 ## 展示價值 這個作品的重點不只是模型名稱，而是展示工程判斷：把不可控的 GPU/外部權重風險隔離，建立可重現的 mock-safe demo、CI、媒體資產與完整 README，讓使用者能快速理解產品定位、架構取捨與後續 production 化路線。

我的角色

獨立開發者（產品展示設計、前端 demo、FastAPI demo API、CI/CD、文件與 portfolio 整合）

問題背景

原專案具備 AI 影像修復服務的架構雛形，但真模型依賴大型權重、GPU 與版本敏感套件，對使用者而言不容易快速啟動、截圖或理解核心價值。

解決方案

將展示路徑拆成兩層：公開 GitHub Pages 採純前端 mock-safe demo，第一屏直接呈現影像修復工作台；本機 smoke path 使用 FastAPI + Pillow 模擬上傳與放大 API。README 補齊 Mermaid 架構圖、資料流圖、部署圖與 demo 操作圖，讓專案價值、技術棧與風險一眼可讀。

目前成果

完成可公開瀏覽的互動 demo、cover、桌面/手機截圖與 demo 錄影，並以 GitHub Actions 驗證 compile、pytest、API smoke、static build 後部署到 GitHub Pages。真模型路徑誠實標示為 prototype scaffold，避免展示時被外部服務或硬體卡住。

作品亮點

  • 第一屏即是產品工作台：before/after viewer、scenario、scale、restore strength、pipeline status 與 job payload
  • Mock-safe public demo：不用 GPU、不下載模型、不呼叫外部服務也能完整展示
  • FastAPI demo API 驗證上傳、Pillow resize/sharpen、PNG response headers 與 smoke tests
  • README 以 Mermaid 補齊產品流程、系統架構、資料流、部署與模組組織圖
  • Playwright 產生 cover、screenshots 與 WebM demo tour，媒體可重現
  • GitHub Pages workflow 在部署前執行 compile、pytest、smoke 與 static build

技術挑戰

  • 在不依賴真模型/GPU 的前提下，仍讓使用者看懂 AI 影像修復產品的完整操作感
  • 把原本分散的 FastAPI、Gradio、CLI、PyQt 與模型 scaffold 整理成可解釋的架構
  • 避免將 prototype scaffold 誤包裝成 production-ready inference service

目標使用者

  • 作品集審閱者與面試官
  • 需要快速理解專案目的、技術棧與成熟度的技術讀者

技術亮點

  • 偵測到的主要技術線索：Python, FastAPI, Pillow, JavaScript, Canvas, Playwright, PyTorch, Real-ESRGAN, GFPGAN, RIFE, Gradio, PyQt, GitHub Pages, Docker
  • 已有 README 作為後續補齊案例研究的依據
  • 已連接公開 GitHub repository，可從作品集追溯原始碼

系統架構

此專案目前由 portfolio catalog pipeline 依 README、Git metadata、package/build 設定與素材線索建立案例頁。正式架構說明仍需依實際 source code 補齊；目前可確認的技術線索包含：Python, FastAPI, Pillow, JavaScript, Canvas, Playwright, PyTorch, Real-ESRGAN, GFPGAN, RIFE, Gradio, PyQt, GitHub Pages, Docker。

資料流程

目前尚未完成可公開的資料流程說明。若此專案含資料處理、AI pipeline 或後端 API，後續應補上 input、processing、storage、UI/output 的端到端流程。

專案結構

restoreAI-studio/
  README.md              # project documentation, when available
  source files           # implementation reviewed by local audit
  package/build config   # detected capability signals

安裝與執行

This project does not expose a verified runnable web command yet. Review the README/source tree and add exact install, run, test, and build commands before interview use.
No verified build command was detected. Treat the current portfolio page as a case-study placeholder until build steps are reviewed.

後續改進

  • 補齊正式 README、截圖與 demo recording
  • 補上架構圖、資料流程與關鍵技術決策
  • 確認 build/test 狀態並更新 portfolio release report

面試說明重點

  • 先說明此專案目前的成熟度與可展示範圍
  • 聚焦在可驗證的技術棧、程式結構與已完成部分
  • 不要宣稱尚未部署、尚未錄影或尚未測試的能力已完成

後續規劃

  • 補完 Real-ESRGAN/GFPGAN/RIFE 真模型 lifecycle 與 CPU/GPU fallback
  • 將 prototype API routers 收斂成一致的 production contract
  • 加入真模型 integration test、模型權重 health check 與 artifact persistence

相關作品