本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
还记得这个能将老照片修复到纤毫毕现的GFPGAN吗？
现在，它的代码正式开源了！
官方已经在GitHub上传了3个预训练模型，3个版本的效果区别如下：
其中，V1.3是最近更新的一版，修复效果更加自然。同时还能在低质量输入的情况下，输出高质量结果。
自上线以来，GFPGAN已经在GitHub上揽星1.7w+，还曾登顶过热榜第一。
更是在推特上引起过一波试玩热潮：
这一项目由腾讯PCG ARC实验室提出，其相关论文已被CVPR2021收录。
3种预训练模型可挑选
开源代码主要分为预训练和训练两个部分。
预训练中以GFPGAN的V1.3版本为例，给出了预训练模型的下载地址：
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P Experiments/pretrained_models
然后，只需一行代码就能开始预训练模型推理了：
python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2
具体介绍如下：
Usage: python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 [options]
-h show this help
-i input Input image or folder. Default: inputs/whole_imgs
-o output Output folder. Default: results
-v version GFPGAN model version. Option: 1 | 1.2 | 1.3. Default: 1.3
-s upscale The final upsampling scale of the image. Default: 2
-bg_upsampler background upsampler. Default: realesrgan
-bg_tile Tile size for background sampler, 0 for no tile during testing. Default: 400
-suffix Suffix of the restored faces
-only_center_face Only restore the center face
-aligned Input are aligned faces
-ext Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto
在这里，官方还展示了3种预训练模型的区别在哪里。
与初始版本相比，后两版在修复精度上有了明显提升。
V1.2的锐化更明显，同时还带有一些美颜效果，所以在一些情况下会比较假面。
V1.3明显解决了这一问题，使得输出更加自然，还能进行二次修复；不过弊端是人物面部特征有时会发生变化（比如下图中的安妮·海瑟薇示例）。
总之，V1.3并不完全优于V1.2，大家可以按需选取合适的模型。
接下来到了训练部分。
首先，数据集选用FFHQ；
然后，将下载好的预训练模型其他数据放在experiments/pretrained_models文件夹里。
其他数据包括：
预训练好的StyleGAN2模型，FFHQ人脸对齐模型文件和ArcFace模型。
接下来，修改相对应的配置文件options/train_gfpgan_v1.yml。
在这里，也可以尝试不使用人脸对齐的简单版本options/train_gfpgan_v1_simple.yml。
最后，就可以开始训练了。
python -m torch.distributed.launch —nproc_per_node=4 —master_port=22021 gfpgan/train.py -opt options/train_gfpgan_v1.yml —launcher pytorch此外，官方还有两则提醒。
第一，输入更多高质量的人脸图像，可以提高修复的效果。
第二，训练中可能需要进行一些图像预处理，比如美颜。
如果你选择训练V1.2版本，官方还给出了微调指南：
GFPGAN V1.2采用了clean架构，更加方便部署；它是从一个双线性模型转换而来，因此需要对其原有模型微调，然后再进行转换。
Demo试玩
除了开源代码，官方也早已开通了多个线上试玩通道。
在这里，我们用HuggingFace来给大家展示具体效果。
先来看看修复后的蒙娜丽莎女士，不仅面部的噪点都被去掉了，甚至连头发上的纱巾都清晰可见。
修复的爱因斯坦，笑起来时脸上的褶皱更加明显，头发丝、胡茬也都被还原了出来。
最后再来看看修复后的青年马化腾，这照片清晰地仿佛像昨天才拍出来一样。
盲脸修复+大量先验信息
GFPGAN能够快速、高清地修复各种人脸图像，主要是应用了盲脸修复 （blind face restoration）。
传统人脸修复方法主要针对同一场景下、特定退化的人脸图像修复。
比如此前一些人脸修复方法，会把奥巴马的照片还原为白人面孔。这背后除了数据集存在偏差，还可能是算法没有为每张人脸特征性建模。
盲脸修复就很好解决了这一弊端，它是指当点扩展函数未知或不确知的情况下，从低质的待修复人脸图像恢复出清晰、高质的目标人脸图像的过程。
本质上是一种非匹配性的人脸修复方法。
不过此前的一些盲脸修复方法在细节上表现不好，由此作者在GFPGAN中引入丰富的先验信息，从而来保证高质量的输出效果。
具体来看，在GFP-GAN的模型框架中，主要用到了一个退化清除模块和一个预训练的GAN作为先验。
两个模块通过隐编码映射和多个信道分割空间特征变化层（CS-SFT）连接。
训练过程中，首先要对低质量人脸进行降噪等粗处理，然后保留面部信息。
在保真度方面，研究人员引入了一个面部损失（ Facial Component Loss），判断哪些细节需要提升保留，然后再用识别保留损失（Identity Preserving Loss）进行修复。
团队介绍
本文论文一作是Xintao Wang，他是腾讯 ARC 实验室(深圳应用研究中心)的研究员。
本科毕业于浙江大学，博士毕业于香港中文大学。
其博士期间师从汤晓鸥教授和Chen Change Loy教授。
研究方向为计算机视觉和深度学习，尤其关注图像、视频修复方面。
GitHub地址：
https://github.com/TencentARC/GFPGAN
论文地址：
https://arxiv.org/abs/2101.04061
试玩地址：
https://huggingface.co/spaces/akhaliq/GFPGAN
