老照片修复

它是怎么修的

两个腾讯 ARC 实验室的模型接力，跟社区主流方案一致：

• Real-ESRGAN（36.8k stars）管背景：整图超分放大，4 倍模型按 2 倍输出，分块跑不爆内存。
• GFPGAN v1.4（37.6k stars）管脸：先用 facexlib 检测对齐人脸，GAN + 人脸先验补五官，再按解析遮罩柔性地贴回原图——不是直接覆盖，所以不糊脸的地方不会被带歪。
• 保真度就是 GFPGAN 的 weight：越小修得越狠（脸更"新"但更不像本人），越大越保留原貌。扫抖了的照片建议 0.4-0.5。

丑话说前面

• 服务器只有 2 核 CPU 没显卡，实测：1x 约 30 秒-3 分钟、2x 约 3-11 分钟（700px 双人脸 2x 约 3 分钟，8 脸大图 2x 实测 10 分 45 秒）。高峰期要排队。这是 demo，不是生产 SLA。
• 照片会上传到本站服务器处理（不经过任何第三方，处理完即丢不留存）。全家福这种敏感图，介意的话请用本地部署版——代码就是文章那套，自己跑更稳。
• 人脸检测不到时自动退化成「仅背景超分」，不会白跑一趟。
• 脸超过 8 张会被婉拒（GFPGAN 是批量修所有脸，全家福太大台直接 OOM 杀进程）——裁成小图分批修，效果一样。
• 糊到人脸只有几个像素、或者照片有严重划痕穿透面部的，别期待奇迹。

出处

模型 TencentARC/GFPGAN 与 < xinntao/Real-ESRGAN，ONNX 版与本地部署脚本来自半刻维度的教程文章。本站服务端复刻实现。