1. codeFormer介绍

在NeurIPS 2022上，南洋理工大学-商汤科技联合研究中心S-Lab提出了一种基于VQGAN+Transformer的人脸复原模型CodeFormer，效果是真的强大，先展示下效果，用的官方案例效果图。

官方给出的代码见这里 传送门

2. 图形化界面一体包

由于源码对小白不友好，装环境难题直接阻拦大部分用户，为此我打包好了所需的python环境，做了一个图形GUI包，无需你本地安装python环境也可使用，下载链接放在文末

用法很简单

下载解压后，点击“启动程序.bat”，然后你要处理的是图片还是视频，切换到对应选项卡选择待处理的图片或者视频，以及结果保存位置点击开始处理，程序开始自动运行

如果运行被360拦截，请关闭360。所有源代码均公开可见，在_internal文件夹里可查看，无需担心程序后门

我这个打包版本的功能，除了codeformer本身功能之外，还有以下功能：

1. 对deepfacelab切好的aligned强化，直接写入dfl已有信息，无需重新切脸，强化完可以直接用于训练

2. 关闭了codeformer里默认尺寸放大2倍的功能，改为默认1倍尺寸，保持dfl切好的图不会出现尺寸不匹配问题

3. 把强化aligned人脸图和强化整个图分开到2个标签页，分别对应alinged文件夹强化和merge文件夹强化，方便新手小白理解

3. 效果实测

此处对比3种针对人脸的清晰化算法：codeFormer，GPEN，GFPGAN

使用老婆新垣结衣的图做测试

先测试正面情况：

正面效果上，codeFormer（以下简称CF）效果最好，清晰又清爽，原人物的身份特征保留完好

GPEN其次，清晰，但会增加一种油腻感，会平白增加一些雀斑一样的东西，原人物的身份特征保留完好

GFPGAN最垃圾，人物的身份特征会受影响，都看不出这是新垣结衣了

再测试小侧面情况

小侧面效果，

CF清爽自然，但眼神有变化

GPEN油腻，但眼神有变化

GFPGAN反而效果好一点

再测试大侧面情况

大侧面效果上，CF和GPEN都不太好，眼神跟鬼一样。GFPGAN更烂

codeFormer算法里有个w参数控制追求细节还是忠于原图，对比如下

这个没有好坏之分，看个人喜好了

下载链接

（已更新支持40系显卡）

链接：https://pan.baidu.com/s/1C48Fjanjki4-JupwoyKS6Q?pwd=1c2i 

提取码：1c2i