FurColor Studio 是一个面向兽装活动摄影的、本地优先 AI 批量后期工作站。v4.1 将导入、选片、兽装合集、人脸隐私决定、眼睛蒙版审核、影调渲染与合集导出整理为一条严格顺序、可回退复核的七步流程。
当前版本是摄影师辅助工具，不是无人值守的最终交付系统。真实照片只应在本地工作站处理，商业交付前必须人工复核。
- 从 JPG、JPEG、ARW 原片目录建立项目并生成本地缩略图；
- 使用正选或反选模式提前淘汰废片；
- 从同名手修参考 JPG 自动建立基础参考清单；
- 可选使用 Fursee YOLO 检测兽装主体与新增人脸候选，并在单个项目内生成匿名兽装分组；
- 融合 YuNet、人工记忆与兽装框证据，减少兽耳误打码，同时把单模型人脸结果保留给人工复核；
- 分析中性区域、全局曝光、白毛高光与黑毛细节，再对兽装头部做保守的羽化局部曝光；
- 为每张照片分别标注大小、形状、角度不同的兽装眼睛；
- 批量完成 V4 风格映射、眼睛增强、隐私处理和可选水印；
- 输出全分辨率 JPEG 4:4:4、16-bit TIFF、ZIP 与
manifest.json；按兽装合集建立子目录，不再使用没有实际动作的强制勾选。
- Windows 10/11；
- Git；
- 一个已经存在的照片根目录，例如
D:\Photography。
把示例目录替换成你自己的照片根目录，然后粘贴运行：
$repo = Join-Path $HOME 'FurColor-Studio'
if (Test-Path -LiteralPath $repo) {
throw "目标目录已存在：$repo。不要继续运行旧脚本，请先阅读下方“目标目录已存在”说明。"
}
git clone https://github.com/PWJCSqiushan/FurColor-Studio.git $repo
if ($LASTEXITCODE -ne 0) { throw '克隆失败，安装已停止。不要进入旧目录继续执行。' }
Set-Location -LiteralPath $repo
powershell -ExecutionPolicy Bypass -File '.\install_local.ps1' -AllowedRoots 'D:\Photography' -InstallPython -DownloadFaceModel -Launch多个照片根目录使用英文分号：
powershell -ExecutionPolicy Bypass -File '.\install_local.ps1' -AllowedRoots 'D:\Photography;E:\Events' -InstallPython -DownloadFaceModel -Launch安装脚本会自动完成：
- 寻找 Python 3.12/3.11；找不到时通过
winget为当前用户安装 Python 3.12； - 创建独立
.venv； - 安装锁定依赖；
- 写入仅限本机的路径白名单
.env； - 从 OpenCV 官方仓库下载固定版本 YuNet；
- 验证模型 SHA-256；
- 运行环境自检；
- 打开
http://127.0.0.1:8899。
YuNet 目录采用 MIT License，模型来源和校验值见 第三方声明。OpenCV 官方也将该模型作为 FaceDetectorYN 的下载来源。OpenCV 文档
基础安装完成后，仍可使用原有轻量流程。若要启用 Fursee 双类别检测、匿名分组和主体分层曝光，请先自行取得完整模型包，再运行：
powershell -ExecutionPolicy Bypass -File '.\install_fursee.ps1' `
-ModelDirectory 'D:\Models\Fursee-Package'ModelDirectory 可以指向权重目录本身，也可以指向包含权重的资料包根目录。安装器会：
- 创建独立
.venv-fursee，不修改基础.venv； - 安装锁定的 CUDA 12.8 PyTorch、Ultralytics 与 Transformers；
- 在有限目录深度内查找完整的四文件权重组合；
- 对约 1.27 GB 权重逐文件核对尺寸和 SHA-256；
- 只把本机模型路径写入被 Git 忽略的
.env，不会复制或上传权重。
默认面向 NVIDIA GPU；没有兼容显卡时可加 -CpuOnly，但批量速度会明显下降。首次安装需要下载数 GB 依赖，不能按“五分钟”估算。模型、论文、许可证和固定哈希见 第三方声明。
以后启动只需要：
Set-Location '.\FurColor-Studio'
& '.\run_local.ps1'更新代码后重新同步依赖：
git pull
& '.\install_local.ps1'环境有问题时：
& '.\doctor.ps1'左侧工作栏就是实际执行顺序；每进入一个步骤，当前环节会高亮，正在运行的分析或渲染会显示进度条与当前文件。
- 新建与导入：选择原片、同名手修参考 JPG、分析与输出目录。RAW 预览可缩小，最终输出始终重新读取原文件。
- 选片：逐张保留/废片。缩略图无法读取时不会阻塞选片，会显示源盘不可访问提示。
- 兽装主体分析：运行 Fursee，查看和命名项目内合集；可移动误归属照片或合并合集。
- 人脸隐私决定：检测只是候选。逐脸选择保留、模糊或未决定；仅“模糊”会作用于成片。
- 眼睛蒙版与局部增强：生成几何候选后接受、拒绝或编辑；只有已接受/已编辑蒙版参与局部增强。确认样本累计到 500 个后可提交眼睛分割模型训练审核。
- 影调渲染复核：自动白平衡/曝光只提供建议。保存批量配方，必要时为单张设置曝光例外，然后运行全分辨率渲染。
- 合集导出：选择需要的兽装合集。程序在交付母目录内建立各兽装子目录，导出 JPEG、TIFF、校验清单和 ZIP；未决定人脸仅提示，不阻止导出。
推荐把原片、参考、分析、草稿和交付完全分开：
D:\Photography\2026-Event\
├─ Originals\ # 相机原片，禁止覆盖
├─ References\ # 你在 Lightroom 中手修并导出的参考 JPG
├─ Analysis\ # FurColor 分析报告和配方
├─ Drafts\ # AI 修图草稿
└─ Delivery\ # 最终交付包，由程序生成
先在 Lightroom 中手修至少一张有代表性的照片并导出 JPG。参考 JPG 必须与对应原片同名，例如：
Originals\DSC01151.ARW
References\DSC01151.jpg
项目表单里的“参考样片清单”可以留空，FurColor 会从同名原片/手修 JPG 自动生成基础清单。高级用户也可以选择自定义 JSON。
打开“新建项目”，依次填写或点击“浏览”：
| 字段 | 填什么 | 是否必需 |
|---|---|---|
| 项目名称 | 活动名或交付批次 | 是 |
| 原片目录 | Originals |
是 |
| 手修参考目录 | References |
是，至少一组同名参考 |
| 分析结果目录 | Analysis |
是 |
| 修图输出目录 | Drafts |
是 |
| 水印 PNG | 透明背景签名，可留空 | 否 |
| 参考样片清单 | 留空自动生成，或选择高级 JSON | 否 |
| 选片模式 | 正选或反选 | 是 |
系统会拒绝让分析/输出目录与原片目录重叠，避免覆盖原片或重复扫描。
- 反选模式：默认处理全部照片，只把明确标成“废片”的照片排除。适合保留率较高的活动摄影。
- 正选模式：只有明确标成“保留”的照片才进入后续步骤。适合大量连拍和严格精选。
- 默认：恢复到当前模式的默认行为。
选片结果会同时控制分析、人脸复核、眼睛标注、渲染和交付，不会再弹出已淘汰的数百张照片。
flowchart LR
A[新建与导入] --> B[选片]
B --> C[兽装主体分析与合集修正]
C --> D[人脸隐私决定]
D --> E[眼睛候选与人工审核]
E --> F[影调配方与全分辨率渲染]
F --> G[按兽装合集导出]
每一步都可回退，但不需要绕行“处理流程”或“质检交付”页面：
- 运行主体分析后，可命名合集、移动误归属照片或合并合集；
- 人脸检测只生成候选，逐脸选择保留、模糊或未决定；未决定不自动模糊；
- 眼睛步骤先生成候选椭圆，接受、拒绝或手动编辑；只有已审核蒙版参与局部增强；
- 影调步骤保存可复现的批量配方，也可设置单张曝光例外；
- 渲染从原始全分辨率文件重新解码，输出 JPEG 4:4:4 与 16-bit TIFF；
- 导出页按兽装合集创建子文件夹，并生成 ZIP 和带 SHA-256 的
manifest.json。未决定人脸仅显示提示，不阻断导出。
打开 http://127.0.0.1:8899/ 后，左侧栏从上到下就是实际操作顺序。当前环节会高亮，扫描、主体识别、眼睛候选和渲染都会显示进度条、当前文件与失败信息；技术日志只用于详情排障。
- 01 新建与导入：填写活动名称、原片、同名手修参考 JPG、分析和输出目录；系统只读源照片。
- 02 选片：逐张保留、废片或恢复默认。RAW 缩略图失败时不会影响选片或删除照片。
- 03 兽装主体分析：使用 Fursee 生成项目内合集，人工命名、合并或移动误归属照片。
- 04 人脸隐私决定：候选默认保留原样；仅明确选择“模糊”的候选会被处理。
- 05 眼睛蒙版与局部增强：自动候选必须审核；可手动新增或编辑椭圆/多边形蒙版。累计 500 个确认蒙版后才能提交眼睛分割模型训练审核。
- 06 影调渲染复核：自动白平衡和曝光只给建议；保存批量配方或单图覆盖后执行全分辨率渲染。
- 07 合集导出：勾选需要的兽装合集，得到母目录下的子文件夹、JPEG、TIFF、清单和 ZIP。
遇到问题时，先检查项目路径和参考 JPG 是否仍可访问；如果任务失败，页面会显示可读的提示，展开详情即可查看原始日志。
管理员在确认数据集只含 accepted/edited 蒙版且数量不少于 500 后，可在隔离的 Fursee 环境运行 engine/src/train_eye_segmentation.py。脚本固定划分验证集并输出 IoU 指标；未经审核的候选不会进入训练集或发布模型。
- 完整版默认只监听
127.0.0.1； - 云端 demo 没有照片上传、路径读取或处理 API；
.env、照片、模型、项目级兽装特征、人脸反馈、眼睛标注、数据库和交付文件均被 Git 忽略；- 安装时配置的根目录和本机原生选择器明确选过的目录可以访问；授权记录只保存在本地，敏感系统目录始终拒绝；
- 不要使用
git add -f绕过保护。
这表示克隆没有发生。不要忽略 fatal 后继续进入该目录，否则可能运行到旧版脚本。
先检查现有目录是否是真正的 Git 仓库：
git -C "$HOME\FurColor-Studio" log -1 --oneline
git -C "$HOME\FurColor-Studio" remote -v如果两条命令都正常，直接更新：
Set-Location "$HOME\FurColor-Studio"
git pull --ff-only
if ($LASTEXITCODE -ne 0) { throw '更新失败，请停止安装并检查上方错误。' }
& '.\install_local.ps1'如果提示“没有任何提交”、不是 Git 仓库或目录里只是旧文件，先备份再重新克隆：
Set-Location $HOME
$backup = 'FurColor-Studio_backup_' + (Get-Date -Format 'yyyyMMdd_HHmmss')
Rename-Item -LiteralPath '.\FurColor-Studio' -NewName $backup
git clone https://github.com/PWJCSqiushan/FurColor-Studio.git
if ($LASTEXITCODE -ne 0) { throw "克隆失败；旧文件仍安全保存在 $backup。" }
Set-Location '.\FurColor-Studio'新版支持安全的动态多磁盘授权。请对原片、参考样片、分析、输出、水印和清单字段分别点击一次“浏览”：
- Windows 原生选择器中选中的目录会立即授权；
- 水印和 JSON 清单会授权其所在目录；
- 授权记录保存在本机
runtime/authorized_roots.json，重启后仍有效； - 不同字段可以位于不同硬盘或移动硬盘；
.ssh、.aws、.git、AppData、credentials 等敏感目录不能授权。
如果希望在安装阶段一次授权多个固定根目录，也可以使用英文分号：
& '.\install_local.ps1' -AllowedRoots 'D:\Photography;E:\Events'不要把整个系统盘加入白名单；移动硬盘盘符改变后，用“浏览”重新选择即可。
确认 References 中至少有一张 JPG，并与 Originals 中的 JPG/ARW 使用相同文件名主体。
& '.\install_local.ps1' -DownloadFaceModel如果电脑里已经有 Python 3.11/3.12，但启动器没有发现，可直接指定 python.exe。这只用指定的解释器创建项目独立环境，不会修改原环境：
& '.\install_local.ps1' `
-PythonPath 'C:\path\to\python.exe' `
-AllowedRoots 'D:\Photography' `
-DownloadFaceModel -Launch关闭旧 FurColor 窗口，或修改 .env 的 FURCOLOR_PORT。不要把本地完整版绑定到 0.0.0.0。
只对本次命令使用绕过策略：
powershell -ExecutionPolicy Bypass -File '.\install_local.ps1' -AllowedRoots 'D:\Photography' -DownloadFaceModel -Launch- 白平衡、主体曝光、双模型人脸融合和匿名分组仍需要跨会场、灯光和兽装造型积累真实验证集；
- 眼睛增强目前保留逐图人工蒙版，尚未用未经充分验证的自动眼部模型替代；
- 匿名分组可能合并相似兽装或拆散同一兽装，只用于项目内选片辅助；
- RAW 输出是派生 JPG，不直接修改 Lightroom Catalog；
- 首次 GPU 环境安装需要下载约 3.3 GB 的 PyTorch wheel 和其他依赖；
- 服务器版本是无照片的产品演示，不是多人在线修图 SaaS；
- 公开发布或商业交付前仍必须由摄影师完成人工复核。
py -3.12 -m venv .venv
& '.\.venv\Scripts\python.exe' -m pip install -r requirements-dev.txt
& '.\.venv\Scripts\python.exe' -m pytest -q
& '.\.venv\Scripts\python.exe' scripts\security_audit.py更多文档：
FurColor 原创源代码采用 Apache License 2.0。用户照片、水印、活动素材、私有标注、训练数据、人脸记忆和未随仓库分发的模型权重不自动包含在该授权中；Fursee、Ultralytics YOLO、DINOv3 及其衍生权重继续受各自条款约束，详见 第三方声明。
v4.1 新增了本地可选、服务器强制的账户基础：邮箱规范化、scrypt 密码哈希、HttpOnly 会话 Cookie、CSRF 校验、登录限速、改密后全设备退出，以及账号注销时仅清理 FurColor 自有元数据。外部原片、参考图和输出目录不会因注销而删除。
FURCOLOR_MODE=server 会强制认证，并完全禁用本地文件选择器与客户端路径提交。当前服务器模式只提供账户、项目隔离、健康检查和部署边界，尚未包含上传、对象存储、异步队列、邮件验证或线上修图；不要把它当作已完成的云端照片服务。部署前请阅读 v4.1 部署边界。