AI人脸修复：GFPGAN与CodeFormer对比

上次更新: July 18, 2026

AI 人脸修复通过生成式方式重建相机或扫描仪从未真正捕捉到的细节，从而修复模糊、低分辨率或因压缩受损的人脸。市面上几乎所有修复工具都只是围绕两种模型之一的封装——GFPGAN 和 CodeFormer，而它们解决问题的方式并不相同：GFPGAN 倾向于输出单一的、锐利且好看的结果，而 CodeFormer 提供了一个保真度（fidelity）旋钮，用来在身份准确性与视觉精致度之间做权衡。两者都无法真正恢复信息——都只是在猜测——因此当照片中的人脸是你真正认识的人时，选择哪个模型就格外重要。

快速答案：该用 GFPGAN 还是 CodeFormer？

当这个人的身份很重要、且你想限制模型"发挥想象"的程度时，使用 CodeFormer，并将保真度权重设置为 0.7 或更高。当你想要一个快速、强力、基本全自动的修复，并且可以接受一定程度的身份漂移来换取更干净的结果时，使用 GFPGAN。AI Face Restoration 在浏览器中同时运行这两种模型，方便你在做出选择前，对同一张照片进行并排比较。

GFPGAN 和 CodeFormer 到底有什么区别？

GFPGAN 将一个能感知退化程度（degradation-aware）的编码器与一个固定的 StyleGAN2 生成器配对使用。它读取受损的人脸，将其映射到该生成器已学习到的"可能人脸"空间中，然后渲染出最接近的匹配结果——这也是为什么它的输出往往看起来精致且一致，但没有任何旋钮可以对其加以约束。

CodeFormer 采用了不同的方法：一个 transformer 从一个学习到的、由人脸块组成的离散码本（codebook）中预测一系列 token，然后根据这些 token 重建人脸。由于预测是以离散步骤进行的，CodeFormer 可以通过单一的保真度权重，在"贴近真实输入"和"信任预测出的高质量码本"之间进行混合——这个控制项就是这两个模型之间全部的实际差异所在。

两者都是在合成退化的人脸数据集上训练的——模糊、JPEG 压缩、降采样、一些噪点——因此它们是针对这种特定类型的损坏进行调优的。两者都不是为真正缺失的区域设计的，比如撕裂的照片或被遮挡的人脸；那属于 inpainting（图像修补），是一个相关但不同的问题，模型在其中能依赖的真实信号更少。

人脸修复到底能修好什么——又不能修好什么？

• 能做到： 在模糊、低分辨率或经过 JPEG 压缩的人脸中重建出合理的细节；使眼睛、牙齿和发际线更清晰；对身高低至约 64 像素的人脸也能产生可用的结果。
• 做不到： 恢复源图像中真正缺失的人脸，比如撕裂的照片或被遮挡的人脸——在这种情况下，模型会凭空构造结构，而不是真正修复它。
• 做不到： 保证身份准确。每一次修复都是一次合理的重建，而不是一次测量，因此应该把输出结果当作一种解读——当你手头有同一个人的另一张照片可供比对时，结果最为可靠。

方法 1：浏览器工具（GFPGAN 和 CodeFormer）

对于单张照片，使用 AI Face Restoration：上传一张至少包含一张可见人脸的 JPG、PNG 或 WebP 图片，选择 GFPGAN 或 CodeFormer，在下载之前将结果与原图进行比较。无需安装，无需注册，任何带浏览器的设备都可以使用。

方法 2：本地运行 CodeFormer（批量处理与保真度控制）

CodeFormer 的官方实现直接暴露了保真度权重，并且可以编写脚本进行批量处理。当你需要以相同设置修复大量照片，或者项目需要比一键式浏览器工具更精细的身份控制时，可以选择这条路线。

方法 3：商业应用（MyHeritage、Remini 等类似产品）

面向消费者的修复应用将 GFPGAN 或 CodeFormer 风格的模型封装在简化的界面背后，通常针对家庭照片进行了调优。对于不擅长技术的亲属来说很方便，但你会失去对保真度与质量权衡的直接控制——而这恰恰是人脸修复中最重要的部分。

你应该修复家人的照片吗？

对于个人照片，一般来说是可以的。修复一张祖父母的模糊照片是一种常见且合理的用途，情感价值通常超过一些小的不准确之处。AI photo restoration guide 中提到了一个案例：某个修复模型把一位祖母的下颌线重建成了像素材图库一样光滑的脸，以至于她自己的孩子都认不太出来——这提醒我们，应该先从较高的保真度设置开始，并在信任结果之前与原图进行比较。

对于任何需要准确身份识别的场景——法律文件、失踪人口照片、身份申请——都不要使用生成式修复。输出结果只是一个合理的猜测，而不是恢复出的事实，任何需要验证身份的流程都需要真实图像，而不是 AI 对它的解读。

如何获得最佳效果？

1. 从现有的最高分辨率源图开始；修复无法为一张裁剪很差或本身就很小的源图增添从未存在过的信息。
2. 如果你能认出照片中的人，先尝试保真度为 0.7 的 CodeFormer——这样能保留大部分真实的面部结构。
3. 以 100% 缩放将结果与同一个人的参考照片进行比较；眼睛、鼻型和下颌线的偏差是首先要检查的地方。
4. 如果 GFPGAN 的输出看起来"太完美"，通常确实如此——不妨改用保真度更高的 CodeFormer 试试。
5. 对于合照，逐个修复人脸，而不是一次性处理整个画面；单次全局处理会在可能需要不同处理方式的多张人脸之间取一个平均设置。

常见的失败模式

• 皮肤被过度平滑，抹去了真实纹理，在原尺寸查看时显得像合成图像。
• 一张通用的"好看"脸——锐利、对称、像模板一样，但不再完全是本人。
• 同一个人的两张不同照片中，眼睛和牙齿的修复结果不一致。
• 高度低于约 64 像素的小尺寸或被大幅裁剪的人脸，此时模型几乎没有剩余的真实信号可用。

对于同时存在褪色、划痕或撕裂的老照片，请参阅 old photo restoration guide 了解完整的修复流程——先扫描、再进行结构修复，最后才用 AI 处理纹理和人脸。

常见问题解答

GFPGAN 和 CodeFormer 哪个更好？

没有哪一个是普遍更好的。GFPGAN 提供更强的一键修复能力，无需调整任何设置；而 CodeFormer 的保真度权重可以让你在视觉质量和身份准确性之间进行权衡。当这个人的真实身份很重要时使用 CodeFormer，当快速、精致的结果是首要目标时使用 GFPGAN。

AI 人脸修复是免费的吗？

是的，AI Face Restoration 在浏览器中免费运行 GFPGAN 和 CodeFormer 这两种模型，核心工具无需注册，也没有水印。

AI 人脸修复会改变一个人的样貌吗？

会。两种模型都是合成合理的细节，而不是恢复真实信息，因此如果推得太过，它们可能会让皮肤过于光滑、改变五官形状，或偏向一张通用的脸。在信任结果之前，务必将其与参考照片进行比较。

CodeFormer 的保真度权重是什么？

这是一个从 0 到 1 的设置，用来控制 CodeFormer 在多大程度上偏向低质量输入的真实结构（保真度更高），还是偏向其预测出的高质量码本匹配结果（保真度更低，"修复感"更强，但对源图像的准确度更低）。

人脸修复能修复撕裂或受损的照片吗？

只能修复人脸内部的细节，而不能修复缺失的结构。模糊或低分辨率的人脸正是 GFPGAN 和 CodeFormer 被训练来处理的对象；而撕裂或被遮挡的人脸是另一个不同的问题——inpainting（图像修补）——凭空构造出从未存在过的结构的可能性要高得多。

人脸修复对老式黑白照片有效吗？

有效，对这些模型来说，分辨率和模糊程度比颜色更重要。对于同时存在褪色或变色的老照片，先修复人脸，然后如果你还想上色，可以使用 Old Photo Colorizer。

图片鸣谢

• 一组黑白复古家庭照片 — 照片来源：Suzy Hazelwood，Pexels
• 戴着黑色手套的双手正在保护一张老照片 — 照片来源：Tima Miroshnichenko，Pexels