استعادة الوجه بالذكاء الاصطناعي: مقارنة بين GFPGAN وCodeFormer

آخر تحديث: July 18, 2026

يقوم ترميم الوجه بالذكاء الاصطناعي بإصلاح وجه ضبابي أو منخفض الدقة أو تالف بسبب الضغط، وذلك عبر إعادة بناء تفاصيل توليدية لم تلتقطها الكاميرا أو الماسح الضوئي أصلاً. تكاد كل أداة ترميم في السوق تكون غلافاً حول أحد نموذجين، GFPGAN وCodeFormer، وكلاهما يحل المشكلة بطريقة مختلفة: يميل GFPGAN نحو مخرج واحد حاد وجذاب، بينما يوفر CodeFormer مقياس دقة (fidelity) يوازن بين دقة الهوية والوضوح البصري. لا يستعيد أي منهما معلومات حقيقية — فكلاهما يخمّن — لذا يصبح الاختيار أكثر أهمية عندما يكون الوجه في الصورة لشخص تعرفه فعلياً.

إجابة سريعة: GFPGAN أم CodeFormer؟

استخدم CodeFormer مع ضبط وزن الدقة (fidelity) عند 0.7 أو أعلى عندما تكون هوية الشخص مهمة وتريد الحد من مدى قدرة النموذج على الاختراع. استخدم GFPGAN عندما تريد إصلاحاً سريعاً وقوياً وشبه تلقائي، وتكون بعض انحرافات الهوية مقايضة مقبولة مقابل نتيجة أنظف. تُشغّل أداة AI Face Restoration كلا النموذجين داخل المتصفح، لتتمكن من مقارنة الصورة نفسها جنباً إلى جنب قبل الاختيار.

كيف يختلف GFPGAN وCodeFormer فعلياً؟

يجمع GFPGAN بين مُرمِّز (encoder) واعٍ بالتلف ومولّد StyleGAN2 ثابت. يقرأ الوجه التالف، ويحوّله إلى الفضاء المتعلَّم لدى ذلك المولّد من "الوجوه المحتملة"، ثم يعرض أقرب تطابق — ولهذا السبب يميل مخرجه إلى الظهور بمظهر مصقول ومتّسق، لكن دون أي مقياس يمكن أن يكبح ذلك.

يتّبع CodeFormer نهجاً مختلفاً: يتنبأ محوّل (transformer) بسلسلة من الرموز (tokens) من دفتر رموز متقطّع (codebook) متعلَّم لأجزاء الوجه، ثم يعيد بناء الوجه من تلك الرموز. ولأن التنبؤ يحدث في خطوات متقطّعة، يمكن لـ CodeFormer أن يمزج بين "البقاء قريباً من المدخل الحقيقي" و"الوثوق بالرموز عالية الجودة المتوقَّعة" باستخدام وزن دقة واحد — وهذا التحكّم هو الفارق العملي الكامل بين النموذجين.

يتدرّب كلا النموذجين على مجموعات بيانات لوجوه مُتلفة اصطناعياً — ضبابية، وضغط JPEG، وتقليل الدقة، وبعض الضوضاء — لذا فهما مضبوطان لهذا النوع المحدد من التلف. لا يُصمَّم أي منهما لمنطقة مفقودة فعلياً، مثل صورة ممزقة أو وجه محجوب؛ فذلك يندرج تحت الملء الداخلي (inpainting)، وهي مشكلة ذات صلة لكنها مختلفة، حيث تكون الإشارة الحقيقية المتاحة للنموذج فيها أقل بكثير.

ما الذي يمكن لترميم الوجه إصلاحه فعلاً — وما الذي لا يستطيع؟

• يمكنه: إعادة بناء تفاصيل محتملة في الوجوه الضبابية أو منخفضة الدقة أو المضغوطة بصيغة JPEG؛ وشحذ العينين والأسنان وخط الشعر؛ وإنتاج نتائج قابلة للاستخدام على وجوه يصل ارتفاعها إلى نحو 64 بكسل فقط.
• لا يمكنه: استعادة وجه مفقود فعلياً من المصدر، مثل صورة ممزقة أو وجه محجوب — إذ يخترع النموذج بنية هناك بدلاً من إصلاحها.
• لا يمكنه: ضمان الهوية. كل عملية ترميم هي إعادة بناء محتملة، وليست قياساً، لذا عامل المخرج كتفسير — وهو أكثر موثوقية عندما تملك صورة أخرى للشخص نفسه لمقارنته بها.

الطريقة الأولى: أداة المتصفح (GFPGAN وCodeFormer)

لصورة واحدة، استخدم AI Face Restoration: ارفع ملف JPG أو PNG أو WebP يحتوي على وجه واحد مرئي على الأقل، واختر GFPGAN أو CodeFormer، وقارن النتيجة بالأصل قبل التنزيل. بلا تثبيت، وبلا تسجيل، ويعمل على أي جهاز فيه متصفح.

الطريقة الثانية: CodeFormer محلياً (التحكم بالدفعات والدقة)

يتيح التنفيذ الرسمي لـ CodeFormer التحكم بوزن الدقة مباشرة، ويمكن أتمتته عبر سكربتات للدفعات. اختر هذا المسار عند ترميم عدد كبير من الصور بالإعداد نفسه، أو عندما يحتاج مشروع ما إلى تحكم أدق بالهوية مما توفره أداة متصفح بنقرة واحدة.

الطريقة الثالثة: التطبيقات التجارية (MyHeritage وRemini وما شابهها)

تُغلّف تطبيقات الترميم الاستهلاكية نموذجاً على غرار GFPGAN أو CodeFormer خلف واجهة مبسّطة، تكون عادة مضبوطة للصور العائلية. مناسبة لقريب غير تقني، لكنك تتنازل عن التحكم المباشر بالمقايضة بين الدقة والجودة، وهي الأهم على الوجوه.

هل يجب أن تُرمِّم وجه أحد أفراد عائلتك؟

بالنسبة للصور الشخصية، الإجابة عموماً نعم. ترميم صورة ضبابية لأحد الأجداد استخدام شائع ومعقول، وعادة ما تفوق القيمة العاطفية أي أخطاء صغيرة في الدقة. يغطي AI photo restoration guide حالة أعاد فيها نموذج ترميم بناء خط فك إحدى الجدات ليصبح وجهاً ناعماً أشبه بصور المخزون، لم يتعرف عليه أبناؤها بالكامل — وهذا تذكير مفيد بأن تبدأ بإعداد دقة مرتفع وتقارن بالأصل قبل الوثوق بالنتيجة.

بالنسبة لأي شيء تكون فيه دقة تحديد الهوية مهمة — كوثيقة قانونية، أو صورة شخص مفقود، أو طلب إثبات هوية — لا تستخدم الترميم التوليدي. المخرج تخمين محتمل، وليس حقيقة مستعادة، وأي عملية تتحقق من الهوية تحتاج إلى الصورة الحقيقية، لا إلى تفسير الذكاء الاصطناعي لها.

كيف تحصل على أفضل نتيجة؟

1. ابدأ بأعلى مصدر دقة متاح؛ فالترميم لا يمكنه إضافة معلومات لم تكن موجودة أصلاً في مصدر مقصوص بشدة أو صغير جداً.
2. جرّب CodeFormer بدقة 0.7 أولاً إذا كان الشخص معروفاً لديك — فهذا يحافظ على معظم بنية الوجه الحقيقية.
3. قارن النتيجة بصورة مرجعية للشخص نفسه عند تكبير 100%؛ فانحراف العينين وشكل الأنف وخط الفك هي أول ما يجب فحصه.
4. إذا بدا مخرج GFPGAN "مثالياً أكثر من اللازم"، فهو غالباً كذلك — جرّب CodeFormer بإعداد دقة أعلى بدلاً منه.
5. في الصورة الجماعية، رمِّم الوجوه فردياً بدلاً من الإطار كاملاً دفعة واحدة؛ فتمريرة عامة واحدة تُوزِّع الإعدادات على وجوه قد تحتاج معالجة مختلفة.

أنماط الفشل الشائعة

• بشرة مُنعَّمة بشكل مفرط تمحو الملمس الحقيقي وتبدو اصطناعية عند الحجم الكامل.
• وجه "جذاب" عام — حاد ومتماثل وأشبه بقالب جاهز، لكنه لم يعد الشخص نفسه تماماً.
• استعادة غير متسقة للعينين والأسنان بين صورتين مختلفتين للشخص نفسه.
• وجوه صغيرة أو مقصوصة بشدة، أقل من نحو 64 بكسل ارتفاعاً، حيث لا يتبقى للنموذج تقريباً أي إشارة حقيقية يعمل عليها.

بالنسبة للصور القديمة التي تعاني أيضاً من التلاشي أو الخدوش أو التمزق، راجع old photo restoration guide للاطلاع على تسلسل الإصلاح الكامل — المسح الضوئي، ثم الإصلاح الهيكلي، ثم الذكاء الاصطناعي للملمس والوجوه في النهاية.

الأسئلة الشائعة

هل GFPGAN أفضل أم CodeFormer؟

لا يوجد أفضل بشكل مطلق. يقدّم GFPGAN إصلاحاً أقوى بنقرة واحدة دون إعدادات تحتاج للضبط، بينما يتيح لك وزن الدقة في CodeFormer المقايضة بين الجودة البصرية ودقة الهوية. استخدم CodeFormer عندما تهم الهوية الحقيقية للشخص، واستخدم GFPGAN عندما تكون الأولوية لنتيجة سريعة ومصقولة.

هل ترميم الوجه بالذكاء الاصطناعي مجاني؟

نعم، تُشغّل أداة AI Face Restoration كلاً من GFPGAN وCodeFormer مجاناً داخل المتصفح، بلا تسجيل أو علامة مائية على الأداة الأساسية.

هل يمكن لترميم الوجه بالذكاء الاصطناعي أن يغيّر شكل الشخص؟

نعم. يُركِّب كلا النموذجين تفاصيل محتملة بدلاً من استعادة معلومات حقيقية، لذا فعند دفعهما بعيداً قد ينعّمان البشرة، أو يعيدان تشكيل الملامح، أو ينحرفان نحو وجه عام. قارن دائماً النتيجة بصورة مرجعية قبل الوثوق بها.

ما هو وزن الدقة (fidelity weight) في CodeFormer؟

إعداد يتراوح من 0 إلى 1 يتحكم في مدى تفضيل CodeFormer لبنية المدخل الحقيقية منخفضة الجودة (دقة أعلى) مقابل تطابق دفتر الرموز عالي الجودة المتوقَّع (دقة أقل، أي "ترميم" أكبر لكن دقة أقل مطابقة للمصدر).

هل يمكن لترميم الوجه إصلاح صورة ممزقة أو تالفة؟

فقط التفاصيل الداخلية للوجه، لا البنية المفقودة. الوجه الضبابي أو منخفض الدقة هو بالضبط ما دُرِّب عليه GFPGAN وCodeFormer؛ أما الوجه الممزق أو المحجوب فهو مشكلة مختلفة — الملء الداخلي (inpainting) — ذات احتمال أعلى بكثير لاختراع بنية لم تكن موجودة أصلاً.

هل يعمل ترميم الوجه على الصور القديمة بالأبيض والأسود؟

نعم، فالدقة والضبابية أهم من اللون بالنسبة لهذه النماذج. بالنسبة لصورة قديمة تعاني أيضاً من التلاشي أو تغيّر اللون، رمِّم الوجه أولاً، ثم استخدم Old Photo Colorizer إذا أردت إضافة اللون أيضاً.

مصادر الصور

• A collection of vintage black-and-white family photographs — photo by Suzy Hazelwood on Pexels
• Hands in black gloves preserving an old photograph — photo by Tima Miroshnichenko on Pexels