欢迎关注我的CSDN:https://spike.blog.csdn.net/
本文地址:https://spike.blog.csdn.net/article/details/132032216
GFPGAN (Generative Facial Prior GAN) 算法,用于实现真实世界的盲脸恢复的算法,利用预训练的面部 GAN(如 StyleGAN2 )中封装的丰富和多样的先验信息,来修复低质量、模糊、噪声或者损坏的人脸图像。GFPGAN 算法的主要贡献有以下几点:
Paper: Towards Real-World Blind Face Restoration with Generative Facial Prior
有些模糊的真实图像,需要高清修复细节,同时,重点关注于人脸区域,保持人物属性不变。
1. 图像放大
图像放大4倍,扩充细节,可选 4x-UltraSharp
算法 (快速) 或 StableSR
算法 (高质量),参考 超分辨率插件 StableSR v2 (768x768) 配置与使用 。
1. Extra 4x-UltraSharp
SD Tab 选择 后期处理 (Extra)
, 放大算法使用 4x-UltraSharp
,图像放大 4倍
,配置如下:
放大效果如下,重点观察脸部细节:
2. StableSR
StableSR
算法的整体效果和细节,均优于4x-UltraSharp
算法,缺点是速度较慢。
使用 StableSR
放大算法脚本,同样放大 4 倍
,启用 Tiled Diffusion
与 Tiled VAE
,效果如下:
整体的对比效果,如下:
2. 脸部细节
修复完全身之后,再使用 后期处理 (Extra)
的 GFPGAN
功能,修复脸部细节。
建议提前下载 GFPGAN 的 3 个模型,即 detection_Resnet50_Final.pth
、parsing_parsenet.pth
、GFPGANv1.4.pth
:
https://github.com/xinntao/facexlib/releases/download/v0.1.0/detection_Resnet50_Final.pth
# models/GFPGAN/detection_Resnet50_Final.pth
https://github.com/xinntao/facexlib/releases/download/v0.2.2/parsing_parsenet.pth
# models/GFPGAN/parsing_parsenet.pth
https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.4.pth
# models/GFPGAN/GFPGANv1.4.pth
cd models/GFPGAN/
wget https://ghproxy.com/https://github.com/xinntao/facexlib/releases/download/v0.1.0/detection_Resnet50_Final.pth
wget https://ghproxy.com/https://github.com/xinntao/facexlib/releases/download/v0.2.2/parsing_parsenet.pth
wget https://ghproxy.com/https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.4.pth
注意:GFPGAN 不会修改面部细节,只提供放大功能,而CodeFormer 则会修改面部细节。
GFPGAN 和 CodeFormer 的配置如下:
GFPGAN的可见程度设置为 1.0,更高权重。 CodeFormer可见程度设置为 0.2,权重设置为 0.8 (反向)即
Extra 4x-UltraSharp
的 GFPGAN
脸部修复,效果如下:
Stable SR
与 Extra 4x-UltraSharp
的 GFPGAN
脸部修复,明显Stable SR
优于 Extra 4x-UltraSharp
,效果如下:
最终修复效果,即 StableSR
+ GFPGAN
:
参考:田曦薇的照片