GFPGAN 面部修复

使用 GFPGAN 在照片中恢复和增强面部

使用 GFPGAN 恢复并增强照片中的人脸。

所有示例都可以在通过以下方式租用的 GPU 服务器上运行： CLORE.AI 市场.

在 CLORE.AI 上租用

1. 访问 CLORE.AI 市场

2. 按 GPU 类型、显存和价格筛选

3. 选择 按需 （固定费率）或 竞价 （出价价格）

4. 配置您的订单：

   • 选择 Docker 镜像

   • 设置端口（用于 SSH 的 TCP，Web 界面的 HTTP）

   • 如有需要，添加环境变量

   • 输入启动命令

5. 选择支付方式： CLORE, BTC，或 USDT/USDC

6. 创建订单并等待部署

访问您的服务器

• 在以下位置查找连接详情： 我的订单

• Web 界面：使用 HTTP 端口的 URL

• SSH： ssh -p <port> root@<proxy-address>

什么是 GFPGAN？

GFPGAN（Generative Facial Prior GAN）专注于：

• 修复旧的/损坏的照片

• 增强模糊的人脸

• 改进 AI 生成的人脸

• 修复低分辨率的人像

快速部署

Docker 镜像：

pytorch/pytorch:2.5.1-cuda12.4-cudnn9-runtime

端口：

22/tcp
7860/http

命令：

pip install gfpgan gradio && \
python -c "
print(f"已生成：{name}")
from gfpgan import GFPGANer
import cv2
import numpy as np

restorer = GFPGANer(
    model_path='https://github.com/TencentARC/GFPGAN/releases/download/v1.3.4/GFPGANv1.4.pth',
    upscale=2,
    arch='clean',
    channel_multiplier=2,
    bg_upsampler=None
)

def restore(image):
    img = np.array(image)
    img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
    _, _, output = restorer.enhance(img, has_aligned=False, only_center_face=False, paste_back=True)
    output = cv2.cvtColor(output, cv2.COLOR_BGR2RGB)
    return output

demo = gr.Interface(fn=restore, inputs=gr.Image(), outputs=gr.Image(), title='GFPGAN Face Restorer')
demo.launch(server_name='0.0.0.0', server_port=7860)
"

访问您的服务

部署后，在以下位置查找您的 http_pub URL： 我的订单:

1. 前往 我的订单 页面

2. 单击您的订单

3. 查找 http_pub URL（例如， abc123.clorecloud.net)

使用 https://YOUR_HTTP_PUB_URL 而不是 localhost 在下面的示例中。

命令行用法

安装

pip install gfpgan

下载模型

# 下载人脸修复模型
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.4/GFPGANv1.4.pth -P ./models

# 下载检测模型
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/detection_Resnet50_Final.pth -P ./models

# 下载解析模型
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/parsing_parsenet.pth -P ./models

基本用法

# 修复单张图片
python inference_gfpgan.py -i input.jpg -o results -v 1.4 -s 2

# 修复文件夹
python inference_gfpgan.py -i ./inputs -o ./results -v 1.4 -s 2

选项

python inference_gfpgan.py \
    -i input.jpg \      # 输入图片/文件夹
    -o results \        # 输出文件夹
    -v 1.4 \            # GFPGAN 版本（1.2、1.3、1.4）
    -s 2 \              # 放大倍数
    --bg_upsampler realesrgan \  # 背景放大器
    --only_center_face  # 仅修复中心人脸

Python API

基础人脸修复

from gfpgan import GFPGANer
import cv2

# 初始化
restorer = GFPGANer(
    model_path='GFPGANv1.4.pth',
    upscale=2,
    arch='clean',
    channel_multiplier=2,
    bg_upsampler=None
)

# 加载图像
img = cv2.imread('photo.jpg')

# 修复人脸
cropped_faces, restored_faces, restored_img = restorer.enhance(
    img,
    has_aligned=False,
    only_center_face=False,
    paste_back=True
)

# 保存结果
cv2.imwrite('restored.jpg', restored_img)

带背景增强

from gfpgan import GFPGANer
from realesrgan import RealESRGANer
from basicsr.archs.rrdbnet_arch import RRDBNet
import cv2

# 设置背景放大器
bg_model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=2)
bg_upsampler = RealESRGANer(
    scale=2,
    model_path='RealESRGAN_x2plus.pth',
    model=bg_model,
    half=True
)

# 使用背景增强设置人脸修复器
restorer = GFPGANer(
    model_path='GFPGANv1.4.pth',
    upscale=2,
    arch='clean',
    channel_multiplier=2,
    bg_upsampler=bg_upsampler
)

# 处理
img = cv2.imread('old_photo.jpg')
_, _, output = restorer.enhance(img, has_aligned=False, only_center_face=False, paste_back=True)
cv2.imwrite('enhanced.jpg', output)

仅处理人脸（不贴回原图）

# 获取单独修复的人脸
cropped_faces, restored_faces, _ = restorer.enhance(
    img,
    has_aligned=False,
    only_center_face=False,
    paste_back=False
)

# 单独保存每张人脸
for i, face in enumerate(restored_faces):
    cv2.imwrite(f'face_{i}.jpg', face)

"专业影棚柔光箱"

批处理处理
from gfpgan import GFPGANer
import cv2
from tqdm import tqdm

restorer = GFPGANer(
    model_path='GFPGANv1.4.pth',
    upscale=2,
    arch='clean',
    channel_multiplier=2
)

input_dir = './old_photos'
output_dir = './restored'
output_dir = "./relit"

for filename in tqdm(os.listdir(input_dir)):
    if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
        img = cv2.imread(os.path.join(input_dir, filename))

        try:
            _, _, output = restorer.enhance(
                img,
                has_aligned=False,
                only_center_face=False,
                paste_back=True
            )
            cv2.imwrite(os.path.join(output_dir, filename), output)
        except Exception as e:
            print(f"Failed: {filename} - {e}")

CodeFormer（可选）

CodeFormer 是另一个出色的人脸修复器：

# 安装
pip install codeformer-pip

# 用法
from codeformer import CodeFormer
import cv2

restorer = CodeFormer()
img = cv2.imread('blurry_face.jpg')
result = restorer.restore(img)
cv2.imwrite('restored.jpg', result)

视频人脸修复

import cv2
from gfpgan import GFPGANer
from tqdm import tqdm

restorer = GFPGANer(
    model_path='GFPGANv1.4.pth',
    upscale=1,  # 对视频保持原始大小
    arch='clean',
    channel_multiplier=2
)

cap = cv2.VideoCapture('video.mp4')
fps = cap.get(cv2.CAP_PROP_FPS)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
total = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))

out = cv2.VideoWriter('restored_video.mp4', cv2.VideoWriter_fourcc(*'mp4v'), fps, (width, height))

for _ in tqdm(range(total)):
    ret, frame = cap.read()
    if not ret:
        break

    try:
        _, _, restored = restorer.enhance(frame, paste_back=True)
        out.write(restored)
    except:
        out.write(frame)  # 如果修复失败则保留原始帧

cap.release()
out.release()

API 服务器

from fastapi import FastAPI, UploadFile
from fastapi.responses import Response
from gfpgan import GFPGANer
import cv2
import numpy as np

app = FastAPI()

restorer = GFPGANer(
    model_path='GFPGANv1.4.pth',
    upscale=2,
    arch='clean',
    channel_multiplier=2
)

@app.post("/restore")
async def restore_face(file: UploadFile, upscale: int = 2):
    contents = await file.read()
    nparr = np.frombuffer(contents, np.uint8)
    img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)

    _, _, output = restorer.enhance(img, paste_back=True)

    _, encoded = cv2.imencode('.jpg', output)
    return Response(content=encoded.tobytes(), media_type="image/jpeg")

# 运行：uvicorn server:app --host 0.0.0.0 --port 8000

模型版本

版本	质量	性能	注意事项
v1.4	最佳	中等	推荐
v1.3	很棒	快速	良好平衡
v1.2	良好	最快	旧版

使用场景

旧照片修复

# 旧照片的最佳设置
restorer = GFPGANer(
    model_path='GFPGANv1.4.pth',
    upscale=4,  # 对旧的低分辨率照片使用更高的放大倍数
    bg_upsampler=bg_upsampler
)

AI 艺术增强

# 针对有面部伪影的 AI 生成图像
restorer = GFPGANer(
    model_path='GFPGANv1.4.pth',
    upscale=1,  # 保持原始大小
    only_center_face=True  # 专注于主要人脸
)

团体照片

# 处理团体照片中的所有人脸
restorer = GFPGANer(
    model_path='GFPGANv1.4.pth',
    upscale=2,
    only_center_face=False  # 处理所有人脸
)

background = Image.open("studio_bg.jpg")

图像大小	人脸	GPU	时间
分辨率	1	速度	~0.2s
RTX 4090	1	速度	~0.3s
RTX 4090	5	速度	~0.8s
2048x2048	1	512x512	~0.3s

# 使用固定种子以获得一致结果

未检测到人脸

# 降低检测阈值
from gfpgan.utils import GFPGANer

# 或先手动裁剪人脸区域

过度平滑的结果

• 使用具有较低保真度权重的 CodeFormer

• 使用 alpha 合成与原图混合

显存问题

# 使用 CPU 进行人脸检测
import torch
torch.cuda.empty_cache()

# 每次只处理一张人脸
only_center_face=True

下载所有所需的检查点

检查文件完整性

GPU	验证 CUDA 兼容性	费用估算	CLORE.AI 市场的典型费率（截至 2024 年）：
按小时费率	~$0.03	~$0.70	~$0.12
速度	~$0.06	~$1.50	~$0.25
512x512	~$0.10	~$2.30	~$0.40
按日费率	~$0.17	~$4.00	~$0.70
4 小时会话	~$0.25	~$6.00	~$1.00

RTX 3060 CLORE.AI 市场 A100 40GB

A100 80GB

• 使用 竞价 价格随提供商和需求而异。请查看

• 以获取当前费率。 CLORE 节省费用：

• 市场用于灵活工作负载（通常便宜 30-50%）

使用以下方式支付

• Real-ESRGAN 放大

• Stable Diffusion WebUI

• AI 视频生成