mirror of https://github.com/snapotter-hq/SnapOtter.git synced 2026-08-03 07:46:42 +02:00

Files

T

SnapOtterandGitHub 4963ab3bbd feat(docs-i18n): translate all documentation into 20 languages

All 181 docs markdown files translated into 20 languages (apps/docs/<locale>/**). Companion to the i18n code PR; admin-merged because the file count exceeds GitHub's per-PR CI trigger limit. Validated by pnpm i18n:check (all surfaces, 0 stale/missing) and a clean all-locale docs build.

2026-07-11 13:52:47 +08:00

2.6 KiB

Raw Blame History

description, i18n_source_hash, i18n_provenance, i18n_output_hash

description	i18n_source_hash	i18n_provenance	i18n_output_hash
카메라 플래시로 인한 적목 현상을 AI로 감지하고 보정합니다.	647c6ff1ef7c	human	e4c36feb8806

Red Eye Removal

카메라 플래시로 인한 적목 현상을 AI로 감지하고 보정합니다.

API Endpoint

POST /api/v1/tools/image/red-eye-removal

Processing: 비동기(202를 반환하며, SSE를 통해 /api/v1/jobs/{jobId}/progress에서 상태를 폴링)

Model bundle: face-detection (200-300 MB)

Parameters

Parameter	Type	Required	Default	Description
file	file	Yes	-	이미지 파일(multipart)
sensitivity	number	No	`50`	적목 감지 민감도(0~100). 값이 높을수록 더 미묘한 적목을 감지합니다
strength	number	No	`70`	보정 강도(0~100). 적색을 얼마나 적극적으로 중화할지 결정합니다
format	string	No	-	출력 형식(선택적 재정의)
quality	number	No	`90`	출력 품질(1~100)

Example Request

curl -X POST http://localhost:1349/api/v1/tools/image/red-eye-removal \
  -F "file=@flash-photo.jpg" \
  -F 'settings={"sensitivity":60,"strength":80}'

Response

Initial Response (202 Accepted)

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "async": true
}

Progress (SSE at `/api/v1/jobs/{jobId}/progress`)

event: progress
data: {"phase":"processing","stage":"Detecting red eyes...","percent":40}

Final Result (via SSE)

{
  "phase": "complete",
  "percent": 100,
  "result": {
    "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
    "downloadUrl": "/api/v1/download/{jobId}/flash-photo_redeye_fixed.png",
    "originalSize": 280000,
    "processedSize": 290000,
    "facesDetected": 2,
    "eyesCorrected": 4
  }
}

Notes

face-detection 모델 번들이 설치되어 있어야 합니다(200-300 MB).
먼저 얼굴을 감지하고, 각 얼굴 내에서 눈 영역을 찾은 다음, 마지막으로 적목 픽셀을 식별하고 보정합니다.
facesDetected 수는 몇 개의 얼굴이 발견되었는지를 나타내고, eyesCorrected는 적목이 보정된 개별 눈의 총 개수입니다.
최대 품질 보존을 위해 출력은 항상 PNG입니다.
HEIC/HEIF, RAW, TGA, PSD, EXR, HDR 입력 형식을 자동 디코딩으로 지원합니다.

2.6 KiB Raw Blame History