GFPGAN 面向老照片或低质量人像中的脸部增强。它可能让眼睛、皮肤和轮廓更清楚，但新增细节是模型重建结果，不等于照片中那个人真实的五官。处理档案、证据或家庭旧照时必须同时保存原图。
准备有授权的人像与运行环境
先选一张你有权处理的旧照 portrait.jpg，放入仓库下 inputs/whole_imgs；另存未经修改的原件。以GFPGAN 官方仓库 README里的 v1.3 推理路线为例，按项目要求安装 Python、PyTorch、BasicSR、facexlib 和 requirements；使用默认背景增强参数时还需按 README 安装 realesrgan。从官方 Release 下载 GFPGANv1.3.pth 放到 experiments/pretrained_models。不同系统、显卡环境不相同，先按官方安装说明核对依赖，不要从陌生镜像包里运行可执行程序。
运行人脸增强
在项目根目录运行 README 给出的命令。-i 是原图目录，-o 是独立输出目录，-v 1.3 与已下载的权重版本对应，-s 2 指输出放大比例。命令只是官方用法示例，本文未替你运行。
python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2
执行结束后查看 results 下的输出文件，和原图并排放大到同样的脸部显示尺寸。不要仅因为输出像素更多就判断修复成功。逐项检查双眼间距、嘴角、痣和发际线有没有变化；背景也要检查是否被意外锐化或产生接缝。若是多人合照，逐张脸核对，不能只看居中的人。
什么时候不用增强结果替代原件
脸本来过小、完全被遮挡或严重失焦时，模型缺少足够证据，可能生成看似合理却不属于原人的细节。这时保留原扫描件，把输出明确标为“AI 增强版”，在家谱、新闻、档案或身份核验中不得当成真实复原。GFPGAN 主要重建脸部；LaMa 的掩码补洞则针对指定破损区域，两者输入和目标不同，也都不能还原缺失事实。
没有在用户图片上实测效果，也不承诺某种显卡速度或修复真实性。官方仓库资料核对于 2026 年 10 月 1 日。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/31569.html
