Restauro del viso AI: GFPGAN vs CodeFormer a confronto

Ultimo aggiornamento: July 18, 2026

Il restauro del viso con l'AI ripara un volto sfocato, a bassa risoluzione o danneggiato dalla compressione ricostruendo in modo generativo dettagli che una fotocamera o uno scanner non hanno mai davvero catturato. Quasi tutti gli strumenti di restauro sul mercato sono un involucro attorno a uno di due modelli, GFPGAN e CodeFormer, e i due risolvono il problema in modo diverso: GFPGAN spinge verso un unico output nitido e accattivante, mentre CodeFormer espone una manopola di fedeltà che scambia l'accuratezza dell'identità con la rifinitura visiva. Nessuno dei due recupera informazioni reali — entrambi indovinano — quindi la scelta conta di più quando il volto nella foto appartiene a qualcuno che conosci davvero.

Risposta rapida: GFPGAN o CodeFormer?

Usa CodeFormer con il peso di fedeltà impostato a 0,7 o superiore quando l'identità della persona conta e vuoi limitare quanto il modello può inventare. Usa GFPGAN quando vuoi una riparazione veloce, forte e in gran parte automatica, e un po' di deriva dell'identità è un compromesso accettabile per un risultato più pulito. AI Face Restoration esegue entrambi i modelli nel browser così puoi confrontare la stessa foto fianco a fianco prima di scegliere.

In cosa differiscono realmente GFPGAN e CodeFormer?

GFPGAN abbina un encoder consapevole del degrado a un generatore StyleGAN2 fisso. Legge il volto danneggiato, lo mappa nello spazio appreso di "volti plausibili" di quel generatore, e restituisce la corrispondenza più vicina — motivo per cui il suo output tende ad apparire rifinito e coerente, ma non ha una manopola per contenerlo.

CodeFormer adotta un approccio diverso: un transformer predice una sequenza di token da un codebook discreto appreso di frammenti di volto, poi ricostruisce il volto a partire da quei token. Poiché la previsione avviene in passaggi discreti, CodeFormer può miscelare tra "restare vicino all'input reale" e "fidarsi dei codici di alta qualità previsti" usando un unico peso di fedeltà — quel controllo è l'intera differenza pratica tra i due modelli.

Entrambi sono addestrati su dataset di volti degradati sinteticamente — sfocatura, compressione JPEG, downscaling, un po' di rumore — quindi sono calibrati per quel tipo specifico di danno. Nessuno dei due è pensato per una regione realmente mancante, come una foto strappata o un volto occluso; quello è l'inpainting, un problema correlato ma diverso, dove il modello ha ancora meno segnale reale a cui ancorarsi.

Cosa può davvero riparare il restauro del viso — e cosa no?

• Può: ricostruire dettagli plausibili su volti sfocati, a bassa risoluzione o compressi in JPEG; rendere più nitidi occhi, denti e attaccatura dei capelli; produrre risultati utilizzabili su volti alti fino a circa 64 pixel.
• Non può: recuperare un volto che manca realmente dalla sorgente, come una foto strappata o un volto occluso — lì il modello inventa struttura invece di ripararla.
• Non può: garantire l'identità. Ogni restauro è una ricostruzione plausibile, non una misurazione, quindi tratta l'output come un'interpretazione — è più affidabile quando hai un'altra foto della stessa persona con cui confrontarlo.

Metodo 1: Strumento da browser (GFPGAN e CodeFormer)

Per una singola foto, usa AI Face Restoration: carica un JPG, PNG o WebP con almeno un volto visibile, scegli GFPGAN o CodeFormer, e confronta il risultato con l'originale prima di scaricarlo. Nessuna installazione, nessuna registrazione, e funziona su qualsiasi dispositivo con un browser.

Metodo 2: CodeFormer in locale (batch e controllo della fedeltà)

L'implementazione ufficiale di CodeFormer espone direttamente il peso di fedeltà ed è scriptabile per lavorazioni in batch. Scegli questa strada quando restauri molte foto con la stessa impostazione, o quando un progetto richiede un controllo dell'identità più fine di quello offerto da uno strumento browser con un clic.

Metodo 3: App commerciali (MyHeritage, Remini e simili)

Le app di restauro per consumatori racchiudono un modello in stile GFPGAN o CodeFormer dietro un'interfaccia semplificata, di solito calibrata per le foto di famiglia. Comode per un parente non esperto di tecnologia, ma si rinuncia al controllo diretto sul compromesso fedeltà-contro-qualità che conta di più sui volti.

Dovresti restaurare il volto di un familiare?

Per le foto personali, generalmente sì. Restaurare la foto sfocata di un nonno è un uso comune e ragionevole, e il valore emotivo di solito supera le piccole imprecisioni. La AI photo restoration guide illustra un caso in cui un modello di restauro ha ricostruito la mascella di una nonna trasformandola in un volto liscio da foto stock che i suoi stessi figli non riconoscevano del tutto — un utile promemoria per iniziare con un'impostazione di fedeltà alta e confrontare con l'originale prima di fidarsi del risultato.

Per qualsiasi cosa in cui l'identificazione accurata conta — un documento legale, la foto di una persona scomparsa, una domanda di identità — non usare il restauro generativo. L'output è un'ipotesi plausibile, non un fatto recuperato, e qualsiasi processo che verifica l'identità ha bisogno dell'immagine reale, non dell'interpretazione che ne fa un'AI.

Come ottieni il miglior risultato?

1. Parti dalla sorgente a più alta risoluzione disponibile; il restauro non può aggiungere informazioni che una sorgente mal ritagliata o minuscola non ha mai avuto.
2. Prova prima CodeFormer a fedeltà 0,7 se la persona ti è riconoscibile — questo mantiene la maggior parte della struttura facciale reale.
3. Confronta il risultato con una foto di riferimento della stessa persona allo zoom 100%; occhi, forma del naso e deriva della mascella sono le prime cose da controllare.
4. Se l'output di GFPGAN sembra "troppo perfetto", di solito lo è — prova invece CodeFormer con un'impostazione di fedeltà più alta.
5. In una foto di gruppo, restaura i volti singolarmente anziché l'intera inquadratura in una volta; un unico passaggio globale media le impostazioni tra volti che potrebbero richiedere trattamenti diversi.

Modalità di fallimento comuni

• Pelle eccessivamente levigata che cancella la texture reale e appare sintetica a piena grandezza.
• Un volto "attraente" generico — nitido, simmetrico e simile a un template, ma non più esattamente la persona.
• Occhi e denti restaurati in modo incoerente tra due foto diverse della stessa persona.
• Volti piccoli o ritagliati pesantemente, sotto circa 64 pixel di altezza, dove il modello ha quasi nessun segnale reale rimasto su cui lavorare.

Per foto vecchie che sono anche sbiadite, graffiate o strappate, vedi la old photo restoration guide per la sequenza di riparazione completa — scansione, riparazione strutturale, poi l'AI per texture e volti per ultimi.

Domande frequenti

GFPGAN o CodeFormer, quale è meglio?

Nessuno dei due è universalmente migliore. GFPGAN offre una riparazione con un clic più forte senza impostazioni da regolare, mentre il peso di fedeltà di CodeFormer ti permette di scambiare qualità visiva con accuratezza dell'identità. Usa CodeFormer quando l'identità reale della persona conta, e GFPGAN quando la priorità è un risultato veloce e rifinito.

Il restauro del viso con l'AI è gratuito?

Sì, AI Face Restoration esegue sia GFPGAN sia CodeFormer gratuitamente nel browser, senza registrazione né watermark sullo strumento principale.

Il restauro del viso con l'AI può cambiare l'aspetto di qualcuno?

Sì. Entrambi i modelli sintetizzano dettagli plausibili invece di recuperare informazioni reali, quindi se spinti troppo oltre possono levigare la pelle, rimodellare i tratti o derivare verso un volto generico. Confronta sempre il risultato con una foto di riferimento prima di fidartene.

Cos'è il peso di fedeltà di CodeFormer?

Un'impostazione da 0 a 1 che controlla quanto CodeFormer favorisce la struttura reale dell'input di bassa qualità (fedeltà più alta) rispetto alla sua corrispondenza di codebook di alta qualità prevista (fedeltà più bassa, più "restaurata" ma meno accurata rispetto alla fonte).

Il restauro del viso può riparare una foto strappata o danneggiata?

Solo il dettaglio interno del volto, non la struttura mancante. Un volto sfocato o a bassa risoluzione è esattamente ciò per cui GFPGAN e CodeFormer sono addestrati; un volto strappato o occluso è un problema diverso — l'inpainting — con una probabilità molto più alta di inventare strutture che non sono mai esistite.

Il restauro del viso funziona su vecchie foto in bianco e nero?

Sì, per questi modelli la risoluzione e la sfocatura contano più del colore. Per una vecchia foto che è anche sbiadita o scolorita, restaura prima il volto, poi usa Old Photo Colorizer se vuoi anche aggiungere colore.

Crediti delle immagini

• Una collezione di fotografie di famiglia vintage in bianco e nero — foto di Suzy Hazelwood su Pexels
• Mani con guanti neri che preservano una vecchia fotografia — foto di Tima Miroshnichenko su Pexels