Stable Diffusion - 真人照片的高清修复 (StableSR + GFPGAN) 最佳实践

GFPGAN (Generative Facial Prior GAN) 算法，用于实现真实世界的盲脸恢复的算法，利用预训练的面部 GAN（如 StyleGAN2 ）中封装的丰富和多样的先验信息，来修复低质量、模糊、噪声或者损坏的人脸图像。GFPGAN 算法的主要贡献有以下几点：

• 提出生成式面部先验（GFP），可以从预训练的面部 GAN 中提取高质量的面部特征，并通过空间特征变换层（SFT）将其融合到面部恢复过程中，从而提高了面部图像的真实性和保真度。
• 设计通道分割空间特征变换层（CS-SFT），可以根据输入特征对GAN特征进行部分调制，从而在纹理的真实性和保真度之间达到一个良好的平衡。
• 引入面部成分损失和身份保留损失，可以分别增强感知显著的面部成分（如眼睛、鼻子、嘴巴等）和保留面部的身份信息，从而提高了面部图像的视觉质量和语义一致性。

Paper: Towards Real-World Blind Face Restoration with Generative Facial Prior

有些模糊的真实图像，需要高清修复细节，同时，重点关注于人脸区域，保持人物属性不变。

---

1. 图像放大

图像放大4倍，扩充细节，可选 4x-UltraSharp 算法 (快速) 或 StableSR 算法 (高质量)，参考 超分辨率插件 StableSR v2 (768x768) 配置与使用 。

1. Extra 4x-UltraSharp

SD Tab 选择 后期处理 (Extra)， 放大算法使用 4x-UltraSharp ，图像放大 4倍，配置如下：

放大效果如下，重点观察脸部细节：

2. StableSR

StableSR算法的整体效果和细节，均优于4x-UltraSharp 算法，缺点是速度较慢。

使用 StableSR 放大算法脚本，同样放大 4 倍，启用 Tiled Diffusion 与 Tiled VAE，效果如下：

整体的对比效果，如下：

---

2. 脸部细节

修复完全身之后，再使用 后期处理 (Extra) 的 GFPGAN 功能，修复脸部细节。

建议提前下载 GFPGAN 的 3 个模型，即 detection_Resnet50_Final.pth、parsing_parsenet.pth、GFPGANv1.4.pth：

https://github.com/xinntao/facexlib/releases/download/v0.1.0/detection_Resnet50_Final.pth
# models/GFPGAN/detection_Resnet50_Final.pth

https://github.com/xinntao/facexlib/releases/download/v0.2.2/parsing_parsenet.pth
# models/GFPGAN/parsing_parsenet.pth

https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.4.pth
# models/GFPGAN/GFPGANv1.4.pth

cd models/GFPGAN/

wget https://ghproxy.com/https://github.com/xinntao/facexlib/releases/download/v0.1.0/detection_Resnet50_Final.pth
wget https://ghproxy.com/https://github.com/xinntao/facexlib/releases/download/v0.2.2/parsing_parsenet.pth
wget https://ghproxy.com/https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.4.pth

注意：GFPGAN 不会修改面部细节，只提供放大功能，而CodeFormer 则会修改面部细节。

GFPGAN 和 CodeFormer 的配置如下：

• GFPGAN的可见程度设置为 1.0，更高权重。
• CodeFormer可见程度设置为 0.2，权重设置为 0.8 (反向)

即

Extra 4x-UltraSharp 的 GFPGAN 脸部修复，效果如下：

Stable SR 与 Extra 4x-UltraSharp 的 GFPGAN 脸部修复，明显Stable SR 优于 Extra 4x-UltraSharp，效果如下：

最终修复效果，即 StableSR + GFPGAN：

参考：田曦薇的照片

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！

对于0基础小白入门：

如果你是零基础小白，想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

1.stable diffusion安装包 （全套教程文末领取哈）

随着技术的迭代，目前 Stable Diffusion 已经能够生成非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务替代，比如制作一个 logo 图片，画一张虚拟老婆照片，画质堪比相机。

最新 Stable Diffusion 除了有win多个版本，就算说底端的显卡也能玩了哦！此外还带来了Mac版本，仅支持macOS 12.3或更高版本。

2.stable diffusion视频合集

我们在学习的时候，往往书籍代码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，一步步带你入门stable diffusion，科学有趣才能更方便的学习下去。

3.stable diffusion模型下载

stable diffusion往往一开始使用时图片等无法达到理想的生成效果，这时则需要通过使用大量训练数据，调整模型的超参数（如学习率、训练轮数、模型大小等），可以使得模型更好地适应数据集，并生成更加真实、准确、高质量的图像。

4.stable diffusion提示词

提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言，整个SD学习过程中都离不开这本提示词手册。

5.AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

这份完整版的学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】