CodeFormer 实测：老照片修复神器，NeurIPS 2022 的成果落地了

家里翻出几本老相册，照片糊的糊、裂的裂，人脸基本都看不清。我试过几种在线修复工具，效果要么过于塑料感、要么修复完不像本人。后来找到 CodeFormer，这是 NeurIPS 2022 上发表的盲人脸修复工作，GitHub 上快 1.8 万 star 了。跑了一圈下来，它确实是我试过最自然的人脸修复方案。

它到底解决了什么问题

传统的人脸修复分两种路线：一种是基于参考图的，需要找一张同一个人的高清照片做引导；另一种是盲修复（blind restoration），只给一张烂图，算法自己猜怎么修。CodeFormer 走的是第二条路，难度更大，但实用价值也更高——老照片哪来参考图？

它的核心创新是 Codebook Lookup Transformer：先学习一个高质量人脸的离散码本（codebook），修复时不是直接生成像素，而是从码本中查找最合适的人脸特征组合，再组装成完整图像。这样做的好处是生成结果更稳定，不容易出现奇怪的伪影。

安装和运行

环境要求不高，有张带 CUDA 的显卡就行。我用的 RTX 3060，12GB 显存绰绰有余。

# 克隆仓库
git clone https://github.com/sczhou/CodeFormer.git
cd CodeFormer

# 创建环境
conda create -n codeformer python=3.9
conda activate codeformer

# 安装依赖
pip install -r requirements.txt
python basicsr/setup.py develop

预处理模型权重：

python scripts/download_pretrained_models.py CodeFormer

然后就可以跑了：

# 修复单张图片
python inference_codeformer.py -w 0.7 --input_path path/to/your/image.jpg --output_path result/

# 批量修复文件夹
python inference_codeformer.py -w 0.7 --input_path path/to/folder/ --output_path result/

-w 参数控制修复强度，0 到 1 之间。值越大修复得越”狠”，但也越容易丢失个人特征。我试下来 0.7 是个不错的平衡点。

实际修复效果

我测了三类样本：

轻度模糊的老照片——头发纹理、眉毛走向、皮肤质感都能还原得不错。最惊喜的是眼神，很多修复算法会把眼睛搞成死鱼眼，CodeFormer 能保持眼神的灵动。

重度压缩的 JPEG——那种 blocks 很明显的图，CodeFormer 能把块状伪影平滑掉，同时恢复合理的细节。不是简单磨皮，是真的在”猜”原始细节。

局部破损的照片——有划痕、缺角的情况。它可以配合其他 inpainting 工具先用，再用 CodeFormer 做人脸增强，流程虽然多一步，但结果比单工具处理好很多。

优点很明显

学术级质量，工业级可用。 NeurIPS 2022 oral 论文背书，不是那种 GitHub 上随便搓的 demo。代码完整、文档清楚、预训练模型直接可用。

修复自然度高。 不像有些工具修完像韩式整容脸，CodeFormer 的结果保留了人物原本的特征和年龄感。老人修完还是老人，不会变成小鲜肉。

可控的修复强度。 -w 参数让你自己把握”修多少”，根据图片质量灵活调整。

支持视频。 除了单张图片，它还能逐帧修复视频里的人脸，对老录像带数字化很有价值。

但问题也有

只擅长人脸。 背景、衣物、场景的修复不是它的强项。如果整张老照片都很烂，只修人脸可能会显得突兀。

对极端低分辨率效果有限。 如果原图人脸只有十几个像素，神仙也救不了。它擅长的是”有信息但质量差”，不是”几乎没有信息”。

肤色处理偶尔偏白。 某些光照条件下，修复后的肤色会比真实偏亮一些，需要后期微调。

依赖人脸检测。 如果照片里人脸角度太偏、或者被遮挡太多，检测不到就不会修复。

适合谁用

如果你有老照片修复的需求——无论是家庭相册数字化、历史档案修复、还是影视老素材翻新——CodeFormer 是目前开源方案里的第一梯队。它不需要你懂深度学习，装好环境、跑命令行就能出结果。

但如果你是做专业摄影后期、要求像素级精准控制，可能还是商业软件（如 Topaz Gigapixel AI）配合手动调整更靠谱。

总结

CodeFormer 把一篇顶会论文做成了真正可用的工具，这在学术界并不多见。1.8 万 star 说明它的质量和易用性得到了广泛认可。对于普通人来说，它是修复老照片人脸的最佳免费方案；对于研究者来说，它的代码实现和预训练模型也是人脸复原领域的重要基准。值得一试。

GitHub: https://github.com/sczhou/CodeFormer 论文: https://arxiv.org/abs/2206.11253

---

关于作者

柳钉鱼，全栈开发者，GitHub 重度用户。过去 3 年 Star 了 900+ 仓库，这里只写我真正用过或深度调研过的工具。

📧 发现好工具想推荐？发邮件到 [email protected]