之前给大家做了一个 CodeFormer 的使用教程，但是由于环境配置比较复杂，对于新手来说有点难度！所以今天给大家分享这个被打包好的桌面 GUI 版的 CodeFormer 软件，一键打开即可使用，非常方便。
使用此模型，你只需上传要恢复的图像，它就会显着提高图像质量！
话不多说，先上一张效果图：
CodeFormer-GUI 可视化软件：
下载链接：【Mediafire 网盘下载 】、【 腾讯云盘下载 】、【Mega 网盘下载】、【 百度网盘下载】
马赛克一直以来都被认为是阻碍人类进步的绊脚石。今天，我将承担起一项重大责任，为大家介绍一款人脸复原领域的最新技术——CodeFormer，这是由南洋理工大学 S -Lab 实验室在 NeurIPS 2022 上发表的一篇重要著作。
CodeFormer 是一种基于 Transformer 的预测网络，专注于对低质量人脸图像的全局组成和上下文进行建模，以便进行编码预测。这项技术的独特之处在于，即使在输入信息严重缺失的情况下，它也能够复原出与目标人脸非常接近的自然人脸图像。
为了增强对不同退化的适应性，该研究还提出了一种可控的特征转换模块 (controllable feature transformation module)。这个模块允许在保真度和质量之间进行灵活的权衡，进一步提升了 CodeFormer 在人脸复原方面的效果。
CodeFormer 在质量和保真度方面都始终优于最先进的技术，显示出卓越的退化鲁棒性。其成功得益于带有丰富先验的 codebook 和网络整体的全局建模能力。
最后，通过对合成和真实世界数据集的广泛实验，充分验证了 CodeFormer 方法的有效性。这些实验结果表明，CodeFormer 在人脸复原方面具有显著的优势和良好的泛化性能。
实操教程
目前有几种方式供大家使用。
第一种是直接上 Github[项目地址] 按照 README 文档配置环境，加载模型权重推理，懂的都懂，此处省略。
第二种是通过 Web端直接访问，作者已将该模型打包至抱抱脸平台上，有兴趣的读者可以直接线上使用。https://huggingface.co/spaces/sczhou/CodeFormer
第三种是通过 GUI可视化界面直接在本地运行，无惧隐私泄漏，无须安装配置编译环境，一键运行。
- 下载压缩包，解压到本地目录。
- 准备好两个文件夹，一个输入文件夹存放待复原的图片，另一个是输出文件夹存放修复好的图片。
- 选择相应的功能，目前支持对人脸(抠好的)、人体(内置了人脸检测和对齐模型)、视频的推理。
本项目基于 DeepFaceLab 和 CodeFormer 完成，其中人脸检测模型基于 retinaface 和 yolov5，背景增强基于 RealESRGAN_x2plus 模型权重。需要注意的是，全图清晰化 针对的是全身进行复原，建议使用完之后对截取过的人脸再使用一遍 人脸图清晰化 的功能。
