经常上网冲浪的朋友们，一定看到过不少“包浆”老图。但你可曾想过，即便是包浆老图，也能被修复到看清头发丝的水平？
修复效果
是不是很神奇？事实上，照片修复已经是图像领域被关注了很久的问题，而类似上图演示的人脸复原 (Face Restoration) 则是指从低质量的人脸中复原得到高清的人脸。通常来说，面部修复将使用面部先验，例如几何和参考。然而当输入质量低时，这些并不是特别有用，因为它不能提供准确的几何先验或当高质量参考不可访问时，因此它们只能在有限的范围内应用于现实世界的场景。
而来自腾讯 PCG 应用研究中心 (ARC) 的研究者们提出了利用预先训练好的人脸生成模型提供的先验，来指导人脸复原的任务。他们提出的这个模型，就是一上线GitHub就备受好评的AI修复项目：GFP-GAN。这一项目由腾讯PCG ARC实验室提出，其相关论文已被CVPR2021收录。
该论文已被CVPR2021收录
根据论文，腾讯PCG ARC实验室利用了包含在训练好的人脸生成模型里的“人脸先验信息”，它不仅包含了丰富的五官细节, 还有人脸颜色, 此外它能够把人脸当作一个整体来对待, 能够处理头发、耳朵、面部轮廓，GFP-GAN也因此而生。
GFP-GAN模型由退化去除模块和预先训练的人脸生成器组成。它们通过直接潜在代码映射连接到使用CS SFT层的粗到细通道。CS-SFT层对分割的特征执行空间调制，并让左侧的特征直接通过以更好地保存信息，从而允许所提出的方法结合生成先验，同时有效地重新训练高保真度。此外，研究人员在局部鉴别器中引入了面部成分损失，以进一步增强感知面部细节和身份保留增益，从而提高整体质量。
这个模型与其他人脸修复方法相比，最大的不同就是采用了盲脸修复。盲脸修复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。
在细节丰富的“人脸先验信息”的填充之下，盲脸修复的效果会更好，因此GFP-GAN 不仅在五官恢复上取得了更好的细节, 整体也更加自然, 同时也能够对颜色有一定的增强作用。
更加令人兴奋的是，目前腾讯PCG ARC实验室已经把这个项目给开源了，官方在GitHub上传了3个预训练模型，并贴心的给出了他们之间的区别：
三个版本之间的区别
不过，虽然V1.3是最新更新的一版，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，但它也有存在一些缺陷，比如人物面部特征有时会发生变化。
1.3版本与1.2版本的优缺点
除此之外，腾讯PCG ARC实验室还开通了多个线上试玩通道，点击链接即可直达。
Huggingface：https://huggingface.co/spaces/akhaliq/GFPGAN
Replicate.ai：https://replicate.com/tencentarc/gfpgan
Baseten.co：https://app.baseten.co/applications/Q04Lz0d/operator_views/8qZG6Bg
不得不说，AI算法的进步让我们实现了很多在过去无法想象的事情，无论是照片修复，图片放大还是视频超分辨率算法，都在激发AI的无限潜力。
本文属于原创文章，如若转载，请注明来源：上个世纪的老照片也能修复？这个黑科技终于开源了http://smartcity.zol.com.cn/789/7891160.html
