CodeFormer 实战：3 步跑通人脸修复，w 值怎么选一篇讲清

CodeFormer 实战3 步跑通人脸修复w 值怎么选一篇讲清【免费下载链接】CodeFormer[NeurIPS 2022] Towards Robust Blind Face Restoration with Codebook Lookup Transformer项目地址: https://gitcode.com/gh_mirrors/co/CodeFormer效果速览 ✨CodeFormer 是南洋理工大学 S-Lab 提出的人脸修复工具基于 NeurIPS 2022 论文的 Codebook Lookup Transformer可把模糊、退化的人脸重建为高质量图像。它也支持黑白照片上色与遮挡区域补全。从零到出图最短路径 官方要求 Python 3.8、PyTorch 1.7.1、CUDA 10.1。最短链路分四步用 conda 创建python3.8环境并激活安装依赖并编译basicsr下载 facelib 人脸检测模型与 CodeFormer 主模型跑第一条修复命令git clone https://gitcode.com/gh_mirrors/co/CodeFormer cd CodeFormer pip3 install -r requirements.txt python basicsr/setup.py develop接着下载模型并运行第一条修复命令python scripts/download_pretrained_models.py facelib python scripts/download_pretrained_models.py CodeFormer python inference_codeformer.py -w 0.5 --input_path inputs/whole_imgs输出默认写入results/输入文件夹名_wfinal_results是人脸贴回后的整图restored_faces是单独修复的人脸。-w取值 0 到 10.5是安全的起步值。原理 60 秒 ⚡低质量人脸先经检测、裁剪、对齐成 512×512 再进入网络。编码器把图像压缩成特征序列Transformer 解码器不直接逐像素预测而是从一个 1024 项的码本中检索组合——类似查词典找固定搭配先找到最优的“视觉词组”再由解码器按w参数加权拼出高清纹理最后贴回原图坐标。w取小值偏向高质量重建取大值更贴近原图特征。保真度权重 w 值怎么选选参的核心就是w小w质量高但保真度低大w保真度高。几个高频场景整图修复、背景也模糊-w 0.7 --bg_upsampler realesrgan。背景用 Real-ESRGAN 一并放大人脸与背景观感一致整图更协调。已裁剪人脸的评测或论文对比-w 0.5 --has_aligned。跳过整图融合流程避免发丝边缘被破坏结果可复现。AI 生成图面部崩坏-w 0.3到0.5。原始缺陷大时小w给模型更多重建自由度修复上限更高。视频修复-w 1.0 --face_upsample。保真优先配合背景超分能压住帧间闪烁。命令可以直接复制python inference_codeformer.py -w 0.7 --bg_upsampler realesrgan --input_path inputs/whole_imgs python inference_codeformer.py -w 0.5 --has_aligned --input_path inputs/cropped_faces python inference_codeformer.py -w 0.3 --has_aligned --input_path inputs/cropped_faces python inference_codeformer.py -w 1.0 --bg_upsampler realesrgan --face_upsample --input_path your_video.mp4大图显存紧张时可用--bg_tile调小分块尺寸--upscale控制最终放大倍数默认 2 倍。真实使用场景1. 遮挡区域补全给旧照片换背景后脸上残留一块白色擦除痕迹。把白色涂抹区域作为 mask 放进inputs/masked_faces运行python inference_inpainting.py --input_path inputs/masked_faces被遮的眼部和鼻梁会根据周围皮肤与结构推断补出。2. 黑白老照片上色从相册扫描出来的老照片是黑白且发灰的。运行python inference_colorization.py --input_path inputs/gray_faces肤色、发色和衣物颜色基于面部光照与纹理推断逐张手调颜色的工作量可以省掉。3. 摄像设备画面修复剪辑家庭录像时早期摄像头的画面噪点多、人脸发糊。用-w 1.0加--bg_upsampler realesrgan --face_upsample处理后results/下直接输出可用的 mp4。踩坑与排错日志里显示 0 faces detected默认 RetinaFace 对低质量或大角度侧脸容易失效。换--detection_model dlib需先装 dlib或加--only_center_face只处理主脸。大图配--bg_upsampler realesrgan时显存溢出Real-ESRGAN 需要整图参与计算。把--bg_tile 400降到--bg_tile 200或先去掉--face_upsample。CPU 上跑得很慢且有警告Real-ESRGAN 在 CPU 上未做优化。去掉--bg_upsampler和--face_upsample人脸修复部分不受影响。模型下载失败网络访问不到 GitHub Releases 时手动下载codeformer.pth放入weights/CodeFormer/facelib 模型放入weights/facelib/推理脚本会直接使用本地权重。修复结果发丝边缘不自然整图流程含人脸与背景融合边界可能被损伤。若在意对比的严谨性先用scripts/crop_align_face.py裁出人脸再走--has_aligned。仓库导览 下一步几个对使用者有用的路径inference_codeformer.py主入口修复、上色、补全都由它的命令行参数驱动inputs/whole_imgs、inputs/cropped_faces示例输入可直接运行options/CodeFormer_stage3.yml第三阶段训练配置自定义训练的起点docs/train_CN.md中文训练文档scripts/crop_align_face.py把整图里的人脸裁剪对齐成 512×512生态侧Hugging Face Spaces 有官方在线 Demo 可直接试玩Replicate 提供 API 服务方便接入自己的应用Stable Diffusion WebUI 与 ComfyUI 也能调用 CodeFormer 节点。建议先用默认参数跑一遍inputs/whole_imgs在results/里对比几个w值的输出再定值如果打算在自己的数据集上微调顺着docs/train_CN.md走即可。【免费下载链接】CodeFormer[NeurIPS 2022] Towards Robust Blind Face Restoration with Codebook Lookup Transformer项目地址: https://gitcode.com/gh_mirrors/co/CodeFormer创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考