人脸清晰化神器codeFormer图形界面包
发布网友
发布时间：2024-10-24 16:50
共1个回答
热心网友
时间：2024-10-29 17:13
codeFormer 是一种在 NeurIPS 2022 上提出的基于 VQGAN+Transformer 的人脸复原模型。它在效果上表现出色，能够显著提升人脸图像的清晰度。以下为 codeFormer 的效果展示，所用为官方案例中的图像示例。
欲深入探索 codeFormer，您可以访问官方提供的代码链接。然而，对于新手用户而言，代码的复杂性可能构成挑战。为解决这一问题，一个图形化界面包已应运而生。这个包整合了所有所需的 Python 环境，无需用户自行安装，使 codeFormer 的使用变得更为便捷。
以下是图形化界面包的功能亮点：
对于已使用 DeepFaceLab 切好的对齐图像进行强化，并直接整合至 DeepFaceLab 的现有数据，无需重复切图操作。强化后的图像可直接用于后续训练。
调整 codeFormer 默认的尺寸放大倍数为 1 倍，避免与已对齐图像尺寸不匹配的问题。
将强化后的对齐人脸图像与整个图像分别归类于不同的标签页中，便于新手用户理解和操作。
在进行实际测试后，我们对三种用于人脸清晰化的算法：codeFormer、GPEN 和 GFPGAN 进行了比较。使用新垣结衣的图像作为测试样本，我们对正面、小侧面以及大侧面三种情况进行了测试。
在正面情况下，codeFormer（简称 CF）表现最佳，既清晰又自然，保留了人物的特征。
GPEN 在清晰度方面优于 GFPGAN，但会引入一些额外的细节，如增加的雀斑效果，可能影响到人物特征的保真度。
GFPGAN 的效果相对较差，对人物特征的影响显著，识别难度增大。
通过调整 codeFormer 中的 w 参数，用户可以在这三种效果之间进行权衡，以追求细节的提升或保持与原始图像的一致性。个人体验倾向于 codeFormer > GPEN > GFPGAN。
欲获取图形界面包，您可访问以下链接。请注意，该版本新增了对 40 系显卡的支持。
链接：pan.baidu.com/s/1C48Fja...
提取码：1c2i
