CodeFormer 是南洋理工大学 S-Lab（与商汤科技合作）于 2022 年开源的 AI 人脸修复模型，擅长把模糊、低清、老照片中的人脸"复原"清晰。它本质是开源算法而非商业 App，本地运行免费。需重点澄清：它对模糊、压缩、降质人脸效果好，但无法"还原"重度加密马赛克——马赛克信息已丢失，AI 只是按概率"猜"出一张合理人脸，并非还原真实原图。
CodeFormer是什么
CodeFormer 是一个盲人脸修复（blind face restoration）模型，由新加坡南洋理工大学 S-Lab 团队（商汤科技合作支持）提出，论文《Towards Robust Blind Face Restoration with Codebook Lookup Transformer》发表于计算机视觉顶级会议 CVPR 2022（第一作者 Shangchen Zhou，开源地址 github.com/sczhou/CodeFormer）。"盲"指算法不需被告知图片具体损坏类型，直接看模糊脸、输出清晰脸。
它采用 VQGAN 离散码本 + Transformer 全局建模：先用码本存储大量高质量人脸细节，再用 Transformer 在全局语义层面"找"最合适的细节拼回去，并提供一个保真度权重滑块（w 从 0 到 1）——w 低则细节更丰富（模型"发明"更多），w 高则更贴近原图（保留真实身份）。
需要厘清一个常见误解：CodeFormer 是开源模型/算法，不是某家公司推出的单一商业产品。实际使用中分三类入口：
- 第三方打包版：如各类"CodeFormer 中文网/Windows 一键版"，部分需付费甚至含钓鱼风险，务必认准开源官方源。
CodeFormer的主要功能和原理
CodeFormer 的核心能力集中在"人脸"，而非全身或风景，具体包含：
- 模糊人脸清晰化：修复因对焦、抖动、低分辨率导致的模糊。
- 老照片修复与上色：还原褪色、划痕老照片，并可为黑白照片自动上色。
- 压缩伪影消除：去除 JPEG 压缩、多次转发产生的块状噪点。
- 视频人脸增强：逐帧处理 .mp4/.mov 等视频，提升人脸清晰度（需配合 Real-ESRGAN 做背景超分）。
- 轻度遮挡处理：对口罩、墨镜、轻度马赛克等遮挡，可结合先验"补全"五官。
- 批量与可调保真度：支持文件夹批量处理，w 滑块平衡"清晰度"与"像不像本人"。
原理上需注意：它不是"找回"丢失像素，而是在潜在空间中按概率生成最合理的人脸纹理（业内称生成式重构）。简单说，AI 是"猜"出细节，而非还原原始数据。
CodeFormer怎么用
普通用户无需编程也能用，主要有以下两条路径：
- 在线 Demo（零门槛）：访问托管站点，上传图片，拖动保真度滑块（重细节调低 w 至 0.2-0.3，保身份调高 w 至 0.7-1.0），点击 Restore 下载结果。
- 本地部署（无限次、隐私好）：适用于有 NVIDIA 显卡（建议 4GB+ 显存）的电脑：克隆 GitHub 仓库 → 创建 conda 环境 → 安装依赖 → 下载预训练模型 → 运行 inference_codeformer.py 脚本处理图片或视频。
- 图形界面版（GUI）：社区有爱好者打包的 CodeFormer_GUI，提供"启动.bat 一键运行"的普通软件式界面，免去命令行。
- 开发者 API：通过 Replicate、synexa 等平台以 API 调用，适合集成进自有系统。
实用技巧：尽量提供少压缩、少噪点的原图；重度老照片可"先去划痕、再清晰化"分步处理；处理含隐私的家庭照时优先本地运行，避免上传到第三方服务器。
CodeFormer多少钱
CodeFormer 的核心技术开源免费，但不同使用方式的成本差异明显：
| | | |
|---|
| | | |
| | | |
| | 一键安装方便，但来源良莠不齐，需警惕付费陷阱与钓鱼 | |
| | 高并发、可集成，S-Lab 许可允许商用但限制权重再分发 | |
各第三方平台对"CodeFormer 中文版/Windows 版"的收费口径不一，有的下载后解压才要付费，建议一律以 GitHub 官方开源仓库为唯一可信源，避免为开源技术重复花钱。
CodeFormer和同类工具有什么区别
在人脸修复领域，CodeFormer 与 GFPGAN 最常被对比，二者定位各有侧重：
分场景建议：修复严重破损老照片、且要保住当事人长相选 CodeFormer（w 调高）；只想快速修一张轻度模糊照选 GFPGAN；需要整张图（含背景）放大用 Real-ESRGAN；手机随手修、发朋友圈用 Remini；商业客户成片、不愿折腾选 Topaz。常见本地工作流是"Real-ESRGAN 先放大整图 → CodeFormer 再修人脸"。
CodeFormer的注意事项
- "去马赛克"≠还原真实原图（最关键）：马赛克是"多对一"的不可逆信息丢失，CodeFormer 无法找回被抹掉的像素，只能按亿级人脸数据"猜"出一张合理人脸。重度打码、加密遮挡的结果是 AI 生成图，不是真实原图，切勿当作证据或事实使用。
- 分清模型与产品：CodeFormer 是开源算法，不是官方商业 App。市面"CodeFormer 中文网/一键版"多为第三方打包，有的下载后才收费甚至钓鱼，认准 GitHub 官方仓库，别为开源技术重复付费。
- 仅擅长人脸：它对人脸以外区域（背景、衣服、动物、风景）几乎无效，整图放大需配合 Real-ESRGAN 等通用超分工具。
- 角度与遮挡限制：侧脸超过约 45°、面部遮挡超 30%（手、帽子）、或人脸极小（如人群远处）时，效果明显变差，建议先裁切到人脸再处理。
- 隐私风险：使用第三方在线 Demo 时，照片会上传对方服务器；珍贵家庭照、证件照建议本地部署运行，数据不出本机。
- 硬件门槛：本地运行依赖 NVIDIA 显卡（建议 4GB+ 显存），纯 CPU 或集显电脑速度极慢，老机器需谨慎。
以上内容综合 CodeFormer 原始论文（CVPR 2022）、GitHub 官方仓库、tsight.io 技术解析及多家第三方评测整理。CodeFormer 为开源研究模型，实际效果因原图质量、硬件环境、使用方式而异，具体以官方仓库与所选平台最新说明为准。
AI 速览
