我第一次接触GFPGAN是在帮朋友修复他外婆的一张黑白合影，那张照片被水泡过，人脸部分几乎糊成一团。当时试了好几个工具都不太理想，直到在GitHub上翻到这个项目，装上跑了一遍，效果确实让我愣了一下。这玩意儿不像传统修图软件那样靠锐化和涂抹硬撑，它能“想象”出原本该有的五官细节，听上去有点玄，但用起来确实管用。下面我就把自己折腾这么久攒下来的理解，按几个方面慢慢聊一聊。
1.1 项目背景与定位：GFPGAN是什么、解决什么人脸修复问题
GFPGAN的全称是Generative Facial Prior GAN，翻译过来大概叫“生成式人脸先验对抗网络”，名字挺绕口。我自己的理解是，它是一个专门针对人脸区域做盲修复的模型——所谓“盲修复”，就是你不用告诉它照片哪里坏了、坏成什么样，它自己会判断并尝试还原。这一点对普通用户特别友好，毕竟大多数人拿到一张模糊的老照片，根本说不清是失焦还是压缩失真。
它要解决的问题其实很集中：低分辨率人脸、模糊人脸、有噪点或有划痕的人脸，以及被过度压缩后五官糊掉的人脸。传统方法处理这些问题时容易把脸修成“塑料人”，皮肤像磨过皮一样光滑得不真实。GFPGAN的定位就是尽量在恢复细节的同时保住真实感，让人看着像照片本身长那样，而不是像换了一张脸。我拿它修过一张200万像素都不到的老证件照，修完之后毛孔和皱纹的质感居然还在，挺意外的。
从项目背景看，GFPGAN是腾讯ARC实验室（Applied Research Center）开源出来的工作，依托的是他们在人脸生成和修复方向上的积累。它不是凭空冒出来的玩具，背后有一整套关于人脸先验的研究支撑。项目开源之后被大量集成到各种老照片修复工具里，包括一些商业软件也在用，这也从侧面说明它的定位不是实验室demo，而是奔着实际可用去的。
1.2 核心技术原理：生成先验、人脸先验与修复流程简析
GFPGAN最核心的概念是“生成先验”（generative prior）。说得直白点，模型在训练阶段见过海量的高清人脸，它脑子里存了一套关于“人脸应该长什么样”的知识。修复的时候，它拿这张先验知识去约束输出，让修复结果朝着合理的人脸结构靠拢，而不是随便填像素。这点跟普通超分模型不太一样，普通超分更多是学像素映射，GFPGAN多了一层“人脸常识”的引导。
具体流程上，它一般会先做人脸检测，把脸的区域框出来，然后把低清人脸送进生成器。生成器里有个关键组件叫StyleGAN2，它负责从潜空间里重建人脸特征。同时项目里还用了“人脸先验”相关的手段，比如解析图（parsing map）来区分眼睛、鼻子、嘴巴、皮肤这些区域，让不同部位按各自的规律去恢复。我自己跑的时候看过中间输出，能看到模型确实在分区域处理，眼睛和头发的恢复策略明显不同。
整个修复流程可以粗略理解成三步：检测对齐、特征重建、融合回原图。检测对齐是为了把脸摆正，方便模型处理；特征重建是核心，生成器在这一步把细节“补”出来；融合回原图则是把人脸区域贴回去并做色彩和边界的调和。听起来简单，但每一步都有不少细节参数可以调，后面章节我会具体说。这里先记住一点：GFPGAN不是单纯地“放大”或“锐化”，它是在用人脸先验做有条件生成，这也是它效果区别于传统工具的根本原因。
1.3 主要功能与输入输出形式：老照片修复、低清人脸增强、面部细节恢复
功能层面，我用得最多的就是老照片修复。扫描的老照片往往有划痕、褪色、模糊，GFPGAN对划痕的处理不算顶尖，但对人脸模糊和低清的重建效果很稳。我拿它修过一批上世纪八九十年代的家庭照，人脸部分基本都能救回来，五官轮廓和表情细节都能保住，不像有些工具修完人都认不出是谁。
低清人脸增强是另一个高频用途。比如从视频里截出来的监控画面，人脸只有几十个像素，直接看就是一团马赛克。GFPGAN能把这种脸拉到可辨认的程度，当然前提是原始信息里还有一点点结构残留。我试过极端情况，人脸只剩十几个像素，修出来就会开始“编”五官，这时候就得谨慎，因为细节是模型猜的，不是真实还原的。这个边界后面讲局限性时还会提到。
输入输出形式很直接：输入一张图片，输出一张修复后的图片。支持JPG、PNG这些常见格式，输出分辨率可以通过参数控制。项目自带的推理脚本可以指定放大倍数，也可以只做修复不放大。我一般习惯先按原尺寸修复，再视情况做超分，这样可控性更强。输出结果默认会保留原图的背景，只增强人脸区域，这点对老照片整体观感的保持挺重要，不会出现脸清晰了但背景还是糊的那种割裂感。
1.4 典型应用场景：历史照片修复、社交内容增强、影视素材预处理、个人影像修复
历史照片修复是我觉得最有温度的场景。很多家庭都有老一辈留下的照片，纸张老化、受潮、折痕，人脸往往是最先模糊的部分。GFPGAN在这类场景里表现比较稳，我帮好几个朋友修过他们的家族老照片，修完打印出来效果都不错。当然遇到严重破损的照片，还是得先用其他工具补缺损，再交给GFPGAN处理人脸，单靠它一个不够。
社交内容增强这块用得也挺多。做自媒体的朋友经常要从旧素材里截人脸做封面，或者把低清头像放大用，GFPGAN能快速出活。我自己的经验是，社交平台的头像尺寸小，修复后压缩一下基本看不出破绽，比直接拉伸强太多。影视素材预处理则更专业一些，一些老片子数字化之后人脸偏软，后期团队会用这类模型做初步增强，再交给调色和精修环节。我也见过有人拿它处理游戏截图和动画角色，效果因图而异，写实人脸最稳。
个人影像修复其实涵盖了上面几类，只是更日常。手机里存的旧照片、从旧手机导出来的低清自拍、微信压缩过的合影，这些都能用。我自己的习惯是批量跑一遍，挑出修复效果好的留着，效果一般的再单独调参数。这个场景对普通用户最友好，不用懂技术，装好环境跑命令就行，门槛比想象中低。
1.5 项目生态与版本说明：官方仓库、预训练模型、依赖框架与使用边界
项目生态方面，官方仓库在GitHub上，搜GFPGAN就能找到，README写得还算清楚。仓库里主要有两个版本方向：GFPGAN本身和配套的人脸检测、修复工具链。我建议新手直接从官方仓库的release页面下载预训练模型，别去第三方站点乱找，模型文件对不上版本容易报错。官方提供的模型有v1.3和v1.4等几个版本，v1.3是大家用得最多的稳定版，v1.4在细节上有些调整，我两个都用过，日常修复v1.3够用。
依赖框架主要是PyTorch，配套还有facexlib做人脸检测和对齐，basicsr做基础超分组件。这些依赖版本要匹配，我吃过亏——PyTorch版本太新或太旧都可能导致模型加载失败，后面安装章节会细说。预训练模型文件不算小，下载的时候注意网络环境，有时候需要手动放到指定目录，脚本不会自动帮你下。
使用边界这块得说清楚。GFPGAN适合人脸占画面一定比例、原始信息没有完全丢失的情况。人脸太小、遮挡太严重、侧脸角度过大，修复效果都会打折扣，甚至出现明显伪影。它也不是万能的，对非人脸区域基本不做处理，背景该糊还是糊。还有一点，修复结果涉及生成内容，用在正式场合比如证件、法律材料上要谨慎，毕竟细节是模型推断出来的。我自己用的时候会保留原图对照，重要照片修完都会人工再过一遍，这个习惯推荐给大家。
装GFPGAN这件事我前前后后折腾了快两天，踩的坑比预想的多。网上很多教程写得很顺滑，一到自己机器上就各种报错。我后来摸出一个规律——版本对上了什么都好说，版本不对就是无底洞。所以这一章我不打算只贴命令，会把我在不同机器上装成功的经验和我踩过的坑都摆出来，按步骤走一遍。你要是照着做还是出问题，那多半是版本组合的事，去对照一下我后面列的那些搭配。
2.1 环境准备：Python、PyTorch、CUDA与依赖版本选择
我的建议很直接：用Python 3.8或3.9，别图新鲜上3.11、3.12。我试过在3.11上装，PyTorch那边能装，但basicsr编译那步卡了快一个小时，最后还是退回3.8解决的。3.8和3.9在各类教程和issue里出现的频率最高，遇到问题好搜答案。conda建一个干净环境是最稳的，别在系统环境里直接装，否则依赖冲突会让你想重装系统。
PyTorch版本我个人推荐1.12到2.0这个区间，太老的版本跑新模型文件会报key错误，太新的（比如2.3以上）有些依赖还没跟上。CUDA的话看显卡，40系显卡建议CUDA 11.8配合PyTorch 2.0以上，30系和20系用CUDA 11.3或11.6配PyTorch 1.12/1.13都很稳。我手头一张3060用CUDA 11.3 + PyTorch 1.12.1，从装好到现在没出过幺蛾子。另一台2080Ti用CUDA 11.6 + PyTorch 1.13也很顺。
CPU能跑，但速度会让你怀疑人生。我拿CPU跑过一张512分辨率的图，大概45秒出结果，GPU只要不到2秒。而且GFPGAN对显存要求不算高，6GB显存跑单张512完全够，4GB也能勉强跑。显存不够就降batch或者把图片分辨率压一压，这个后面调优章节说。
2.2 GFPGAN安装步骤：代码获取、依赖安装与预训练模型下载
代码获取就一条命令，git clone官方仓库完事。我一般习惯把仓库放在一个专门的项目目录下，路径里别带中文和空格，Windows用户尤其注意，我有次把仓库放在“我的文档”下面，basicsr编译一直报路径错误，挪到D盘根目录就好了。这个细节很多教程不提，但确实坑了不少人。
依赖安装我推荐用官方requirements.txt里那套，但要注意两点。一是里面有个facexlib版本可能跟你的环境冲突，装完最好pip list检查一下版本对不对。二是basicsr和facexlib这两个包在某些环境下会自动触发编译，Windows用户需要装VS Build Tools，不然到编译这步直接卡死。我自己是先手动装好这两个包，再去装剩下的依赖，这样出问题好定位。命令大概是这样：先pip install basicsr facexlib，再pip install -r requirements.txt，最后python setup.py develop跑一遍。
预训练模型有两种下载方式。一种是用脚本自带的自动下载，第一次推理时它会去拉模型文件，但国内网络经常断，拉到一半失败特别搞心态。我更推荐手动下载：去官方GitHub的release页面找到GFPGANv1.3.pth和GFPGANv1.4.pth，用浏览器或迅雷下，扔到experiments/pretrained_models下面。另外人脸检测模型detection_Resnet50_Final.pth和parsing_parsenet.pth也要放在对应目录，缺一个就会报错。我吃过亏，第一次只放了GFPGAN模型，跑的时候提示找不到检测器，白等了二十分钟下载。
2.3 快速上手：命令行推理与单张图片修复示例
命令行跑单张图是最快的验证方式。基本命令是python inference_gfpgan.py加几个参数：-i指定输入目录（注意是目录不是单文件），-o指定输出目录，-v指定版本比如1.3，--upscale指定放大倍数比如2。我一开始以为-i能直接接图片路径，试了好几次都报错，后来才看清源码里它就是遍历目录用的。所以你要修单张图，就建个input文件夹丢进去。
跑通之后输出目录里会有几个子文件夹：results是最终结果，cropped_faces是抠出来的人脸，restored_faces是修复后的人脸，compare是左右对比图。我每次都会看compare，那张图能直观看出模型动了哪些地方。有时候人脸修得挺好看，但跟背景一融合就出问题，compare能帮你快速判断。第一次跑建议用--upscale 1先不放大，看看原始效果，再决定要不要放大。
有个小细节很多人没注意到：inference_gfpgan.py默认会做人脸对齐，把脸转到正态角度，然后再修，再转回去贴原图。这个流程对侧脸和角度大的照片会有一定损失，如果你的照片本来就是端正的证件照风格，效果会最理想。我试过一张歪头45度的合影，对齐那步直接把脖子也转过去了，修完有点怪，后来关掉对齐参数才恢复正常。这个参数是--aligned，默认不开启，开启后跳过对齐直接修。你自己判断什么时候用。
2.4 Python API调用：脚本集成、参数配置与结果保存
脚本集成是我用得最多的方式，比命令行灵活太多。核心就几行代码：先from gfpgan import GFPGANer创建实例，关键参数有model_path（模型文件路径）、upscale（放大倍数）、arch（默认clean就行）、channel_multiplier（默认2，越大越吃显存）、bg_upscale（背景超分倍数，0表示不处理背景）。我一般把channel_multiplier设成1来省显存，效果差异肉眼不太看得出来。
实例创建好之后调用enhance方法，参数包括img（numpy数组格式的图片）、has_aligned（是否已对齐，False表示让它自己检测）、only_center_face（只处理中间最大那张脸，多脸场景很有用）、paste_back（是否贴回原图）。返回值是cropped_faces、restored_faces、restored_img三个，我通常只关心restored_img，但如果要单独分析人脸区域，另外两个也能派上用场。注意img要用cv2.imread读，返回的restored_img是BGR格式，保存的时候记得cv2.imwrite直接写就行。
结果保存这块有个坑：restored_img在没有检测到人脸的情况下会返回None。我有次跑批次脚本没做判断，直接写文件，结果一堆None保存成空图，白跑一晚上。后来加了判断逻辑，检测不到脸就跳过或者记录日志，才算靠谱。还有一个建议是把修复前后的人脸置信度打出来，方便筛选，不过这个要改点源码，后面工程集成那节再细聊。
2.5 参数与效果调优：修复强度、背景增强、人脸检测与输出分辨率
修复强度这个参数很多人找不到，其实GFPGAN没有直接的“强度”滑块。能间接影响强度的有channel_multiplier和模型版本选择。v1.4比v1.3在细节上更激进，皮肤纹理恢复得更多，但伪影风险也略高。我的经验是v1.3适合大多数老照片，v1.4适合画质本身还不错只是轻微模糊的照片。如果你想要“轻修复”的效果，别用GFPGAN，它一出手就是奔着重构去的，想保守一点还是上Real-ESRGAN做基础增强。
背景增强是个容易被忽略但很影响整体观感的参数。bg_upscale设成2或者4，背景会用Real-ESRGAN做超分，整张图看着更协调。我修老照片时基本都开bg_upscale=2，因为人脸修清晰了但背景还是糊的，那种对比特别割裂。背景本身信息量大的照片，比如风景合影，开背景超分效果提升很明显。纯色背景或者简单背景的照片，开不开差别不大，还省显存。
输出分辨率取决于upscale参数和原图尺寸。upscale=2表示整体放大两倍，人脸区域额外做修复。我一般先用upscale=1跑一遍看修复质量，确认没问题再上upscale=2出成品。人脸检测方面，only_center_face=True对我这种主要修单人或主角的人很实用，能避免模型把路人脸也强行修一遍导致画面不自然。多人合影就得关掉这个参数，让它逐脸处理，但处理后各人脸风格可能略有差异，需要人工再过一眼。
2.6 批量处理与工程集成：文件夹批处理、服务化调用与前后处理建议
文件夹批处理最简单的办法就是把所有图丢进input目录，跑inference_gfpgan.py就行，它自己会遍历。但官方脚本有一个问题：所有图片共用同一套参数，遇到人脸大小差异大的图集就不好办。我后来的做法是自己写个循环脚本，读每张图先做一次人脸检测，根据检测框的大小动态调整upscale或者channel_multiplier。人脸特别小的图用小一点的分辨率先修，再整体放大，效果比一刀切参数好不少。
服务化调用我试过用Flask包了一层，把GFPGANer实例放在全局变量里只初始化一次，每次请求传图片进来跑推理。注意两点：一是线程安全，GFPGANer内部有状态，多线程并发要加锁或者用队列串行处理；二是显存回收，连续处理大图容易涨显存，定期手动torch.cuda.empty_cache()能缓解。我做内部工具时用的就是这种方案，单卡3060一天处理几百张老照片没问题。
前后处理建议我踩坑比较多。前处理上，输入图如果太大（比如4000像素以上），先缩到2000左右再送进去，不然检测阶段就非常慢，而且修复效果不一定更好。后处理上，修复完的人脸区域跟原图边界可能有色差，我的办法是在贴回后用简单的泊松融合或者羽化边缘处理一下，cv2.seamlessClone就挺好用。还有格式统一问题，png带透明通道的图直接读进来是三通道，alpha通道会丢，需要提前处理。
2.7 常见问题排查：显存不足、模型加载失败、依赖冲突与输出异常
显存不足是最常见的报错，症状是CUDA out of memory。解决办法按优先级排：先把upscale降到1，再把bg_upscale设成0，还不行就把channel_multiplier从2改成1。我3060 6GB显存跑512分辨率upscale=2加背景超分就会爆，把背景超分关掉就稳了。还有一个隐藏杀手是输入图太大，读图的时候先resize能省不少显存。如果是多人脸图，only_center_face=True能显著降显存，因为它只处理一个人脸。
模型加载失败通常有三种表现。第一种是RuntimeError: Error(s) in loading state_dict，这多半是模型版本和代码版本对不上，去确认你下载的pth文件是不是当前仓库对应的版本。第二种是FileNotFoundError，路径问题，检查模型文件放没放对位置，Windows用户注意路径反斜杠转义。第三种是卡在模型下载那步不动，直接手动下，别等自动下载。我遇到过最诡异的一次是模型文件下载不完整，MD5对不上，重新下了一遍就好了，所以下完记得看一眼文件大小对不对。
依赖冲突的典型症状是ImportError或者AttributeError，报的包名五花八门。我的排查顺序是：先看basicsr版本，太新或太旧都容易出问题，1.3.4.0是比较稳的；再看facexlib版本，0.2.5以上一般没问题；最后看torchvision，要跟PyTorch版本匹配。输出异常分两类：一类是输出全黑或者全None，基本是没检测到人脸，检查原图人脸是否太小或角度太大；另一类是输出人脸扭曲、五官错位，这通常是过度修复或者原图信息实在太少，模型在“硬编”，换低版本模型或者降低放大倍数能缓解。
我自己总结了一个排查顺口溜，虽然有点糙但管用：“先看报错行，再查版本号，模型放对位，路径不带中，显存不够降配置，人脸太小别硬刚。”这七句话帮我解决过八成以上的问题。剩下两成通常是系统层面的事，比如CUDA驱动版本跟PyTorch要求的对不上，用nvidia-smi看一下驱动支持的CUDA版本，再对照PyTorch官网的版本表选就行了。装环境这事急不得，一步一步来，每步验证一下，比一口气装完再排错效率高得多。
说实话，做模型对比这件事我一开始挺头疼的。市面上叫得上名字的人脸修复方案一只手数不过来，GFPGAN、CodeFormer、RestoreFormer、GPEN，还有各种基于Stable Diffusion的玩法。每个项目的README都宣称自己效果拔群，但实际拿到我的测试图上跑一遍，差距和宣传语之间的落差就出来了。这一章我把过去几个月做的对比测试整理出来，不搞花架子，就说我在真实图片上看到的东西。
3.1 对比评测设计：测试数据集、评价指标与主观视觉检查方法
我用的测试集分了三组，一共120张图。第一组是老照片扫描件，50张，来自我帮朋友修复的家庭相册，画质参差比较真实。第二组是低清人脸截图，40张，从监控视频和早期数码相机照片里裁的，分辨率普遍在64到128像素之间。第三组是我自己构造的“压力测试集”，30张，包含侧脸、遮挡、多人合影、低光照这些容易翻车的场景。这么分组的原因是，不同模型在不同退化类型上的表现差异特别大，混在一起评容易得出“平均来看都不错”这种没用的结论。
客观指标我用了PSNR、SSIM和FID，前两个衡量像素级相似度，FID看整体分布。人脸修复这活儿有个尴尬的地方，PSNR高的结果经常看着“糊”，因为模型在往平均值上靠。所以我加了一个身份保真度的测量——用ArcFace提取修复前后人脸的embedding，算余弦相似度。这个指标比PSNR更能说明问题，身份漂移在数值上藏不住。
主观检查这块我拉了三个朋友帮忙盲评，每人看60组对比图，从真实感、细节自然度、伪影严重程度三个维度打分。我自己也每张图都过了一遍，重点看牙齿、眼白、发丝边缘这些容易露馅的区域。盲评结果和我自己的判断重合度挺高，有些模型在指标上好看，但人眼一看就觉得“塑料感”重，这种反馈是指标给不了的。
3.2 GFPGAN与其他AI人脸修复模型效果对比：真实感、身份保真、细节恢复与伪影控制
先说出乎我意料的结论：GFPGAN在真实感这一项上没有碾压优势，甚至在某些场景下被CodeFormer反超。老照片组里，GFPGAN修出来的皮肤纹理比较“均匀”，像开了轻度磨皮，CodeFormer会保留更多原始的颗粒感和微小瑕疵，视觉上更接近“一张修复过的老照片”而不是“一张新拍的照片”。我拿给朋友看的时候，多数人觉得CodeFormer那组更像老照片本来的样子。
身份保真度上GFPGAN表现稳定，ArcFace余弦相似度平均在0.82左右，CodeFormer在0.79，GPEN在0.76。这个差距不算大，但在多人合影里会被放大，GFPGAN修完每个人还认得出是谁，GPEN有时候会把两张脸修得趋同。我有一张四口之家的合影，GPEN修完之后两个小孩的脸型变得很像，虽然好看但不太对劲。
细节恢复这块GFPGAN的优势在牙齿和眼睛。老照片里牙齿模糊成一团白的情况很常见，GFPGAN能补出一颗颗牙齿的轮廓，虽然偶尔会多补出一两颗。CodeFormer的处理更保守，牙齿还是偏模糊但不会出错。伪影控制上GFPGAN在低清监控人脸那组翻过车，输入分辨率低于80像素时，修复结果会出现类似“鱼鳞”的纹理，CodeFormer在同样输入下更平滑，代价是细节少一些。
3.3 性能与工程成本对比：推理速度、显存占用、部署难度与许可证注意事项
速度方面我拿3060和2080Ti各测了一轮，512分辨率单张图，GFPGAN平均1.8秒，CodeFormer要3.2秒左右，GPEN大概2.5秒。CodeFormer慢主要是因为它的Transformer结构在推理时计算量大，批量处理时差距更明显。显存占用GFPGAN最友好，512图峰值不到3GB，CodeFormer要4.5GB往上，GPEN介于两者之间。我手头有张4GB显存的P1000老卡，GFPGAN能跑，CodeFormer直接爆。
部署难度上GFPGAN的生态最成熟，pip装完基本就能用，依赖冲突的概率低。CodeFormer的仓库依赖比较杂，我装的时候卡在facexlib版本冲突上折腾了一个下午。GPEN的安装体验介于两者之间，不算难但文档没那么细。许可证这块要留心，GFPGAN是Apache 2.0，商用基本没限制。CodeFormer的许可证对商业用途有额外条款，用之前建议仔细读一遍，特别是你要做SaaS服务的话。
批量生产场景还要考虑模型文件大小和加载时间。GFPGAN的pth文件大概330MB，CodeFormer的模型组合起来接近1GB。做服务化部署时，GFPGAN冷启动明显更快。我那个Flask服务用GFPGAN加载只要几秒，换成CodeFormer要等十几秒，虽然只影响第一次请求，但对自动扩缩容场景不太友好。
3.4 不同场景下的模型选型建议：老照片、低清监控人脸、艺术化修复与批量生产
老照片修复我目前主力用CodeFormer，辅以GFPGAN做备选。CodeFormer的质感更自然，不会把老照片修成“新照片”。但如果照片里人脸占画面比例很小，我会切到GFPGAN，因为它对小脸的检测和修复更稳定。这个切换逻辑我写进批处理脚本里了，按人脸框面积自动选模型，虽然麻烦但效果确实比一刀切好。
低清监控人脸这个场景我试了一圈，结论是都不太理想，但GFPGAN相对最可用。监控人脸通常角度偏、光照差、分辨率低，GFPGAN偶尔能救回来一张可辨认的脸，CodeFormer倾向于把脸修得“漂亮但不像本人”。如果目的是做人脸比对而不是给人看，我建议别用生成式修复，老老实实上超分加对比学习方案。
艺术化修复和批量生产是两个极端。艺术化场景比如修复老海报、风格化人像，CodeFormer配合调参能出很有味道的结果，GFPGAN修出来偏“标准答案”。批量生产反过来，GFPGAN的速度和稳定性优势明显，我一天处理几百张图的服务用的就是GFPGAN，CodeFormer只在前端用户手动点“精细修复”时才调用。这个混合架构跑了大半年，翻车率很低。
3.5 GFPGAN的局限与优化方向：过度平滑、身份漂移、复杂遮挡与多脸场景处理
GFPGAN最让我不满意的是过度平滑。它修出来的人脸在高频细节上偏“干净”，毛孔、细纹、皮肤纹理这些信息丢得比较多。我试过在修复后叠一层从原图提取的高频信息，用简单的拉普拉斯金字塔融合，能找回一些质感，但操作不当会引入噪点。这个思路后来被我用在几个对质感要求高的项目里，调参花了些时间但值得。
身份漂移在极端输入下会出现。我有一组1920年代的老照片，人脸信息损失严重，GFPGAN修出来的脸五官端正但跟原人物对不上。这种情况我目前的处理方式是降低修复强度——换成v1.3模型、把upscale设成1、关掉背景增强，让模型“少发挥一点”。牺牲清晰度换身份准确度，在老照片场景里通常是划算的。
多脸场景的麻烦在于参数没法统一。一张合影里可能有人脸清晰有人脸模糊，GFPGAN用同一套参数处理，清晰的脸被过度修复，模糊的脸修不够。我现在的做法是先做人脸检测，按检测框的清晰度给每张脸打标签，分批送进模型用不同参数处理。这个流程写起来不复杂但跑起来慢，适合对质量有要求的场景，批量生产还是得简化。
3.6 最佳实践总结：预处理、参数组合、结果复核与伦理合规建议
预处理这块我踩过的坑最多。输入图先缩到长边2000像素以内，这一步能省大量时间且效果损失很小。人脸检测用RetinaFace比GFPGAN自带的检测器更稳，我通常先跑一遍RetinaFace拿到人脸框，再按框的大小决定用哪个模型和参数。图片格式统一转成JPG或PNG三通道，带alpha通道的图提前处理掉，不然读进来容易出诡异结果。
参数组合我整理了一套预设：老照片用CodeFormer默认参数加GFPGAN兜底，低清人脸用GFPGAN v1.3、upscale 2、bg_upscale 0，合影用GFPGAN v1.4、only_center_face False、channel_multiplier 1，艺术化修复用CodeFormer fidelity weight调到0.7左右。这套预设不是万能药，但覆盖了我八成以上的日常需求，剩下的靠人工判断。
结果复核我坚持两个原则：一是每批结果抽10%人眼看一遍，特别关注牙齿、眼睛、发际线这三个区域；二是保留修复前后的对比图，方便回溯。伦理合规方面，修复历史人物照片用于公开传播要确认版权和肖像权状态，修复在世人物照片用于商业用途一定要拿到授权。我给自己定的规矩是，任何修复结果在交付前都标注“AI修复”水印，不做隐瞒。技术本身没有对错，用的人得拎得清。
