GFPGAN 实测：3.7 万星的人脸修复神器，老照片有救了？

翻老照片的时候你有没有过这种经历：照片里人的脸糊成一团，放大全是马赛克，想修复又不知道从何下手。我之前试过几个在线修复工具，要么收费离谱，要么修出来像换了一张脸。直到我挖到 GFPGAN，腾讯 ARC 实验室开源的项目，GitHub 上 3.7 万多星——这个数字在计算机视觉领域算是顶流了。

项目背景

GFPGAN 全称 Generative Facial Prior-GAN，2021 年由腾讯 ARC 实验室发布。它的目标很聚焦：真实场景下的人脸修复。不是美颜、不是磨皮，而是把模糊、低分辨率、有损伤的人脸照片恢复成清晰自然的版本。

项目基于 PyTorch，用了生成对抗网络（GAN）的核心思想，但关键创新在于引入了一个”预训练的人脸生成器”作为先验知识。简单说，就是它”知道”一张人脸应该长什么样，修复的时候不会乱猜。

3.7 万颗星，Python 语言，背后有腾讯 ARC 团队持续维护——这个基本面相当扎实。

核心功能

真实人脸修复

GFPGAN 专攻真实世界的老照片，不是那种实验室里的高清大头照。我试了十几张上世纪 90 年代的家庭照片，人脸区域普遍有压缩损伤和模糊。修复后五官清晰了很多，皮肤纹理也自然——不是那种网红滤镜的假面感。

人脸增强

除了修复，它还能做超分辨率。把 64×64 的小头像放大到 512×512，同时保持人脸结构不变形。这个比传统的插值算法强太多了。

快速推理

在一张 RTX 3060 上，单张图片的推理时间大概 0.5 秒左右。批量处理的话更省时间。作为对比，有些商业工具的网页版上传一张图要等半分钟。

支持多种退化模型

真实照片的损伤是五花八门的：压缩噪声、运动模糊、低分辨率、色彩失真。GFPGAN 训练时考虑了多种退化场景，所以泛化能力不错。

快速上手

安装很简单，前提是你有 PyTorch 环境：

# 克隆仓库
git clone https://github.com/TencentARC/GFPGAN.git
cd GFPGAN

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

# 下载预训练模型
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models

# 运行推理
python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2

参数说明：

• -i：输入图片目录
• -o：输出目录
• -v：模型版本（1.3 是目前推荐的）
• -s：放大倍数

它也支持只处理人脸区域（不处理背景），加 --bg_upsampler realesrgan 可以让整个图片一起变清晰。

实际测试结果

我测了三个典型场景：

老照片修复

一张 1995 年的证件照，人脸区域大概 150×150 像素，压缩痕迹明显。GFPGAN 修复后眼睛、鼻子、嘴巴的轮廓都出来了，皮肤纹理也恢复了。但不是魔术——如果原图人脸只剩几个像素，它也无力回天。

视频截图修复

从老电视剧里截的图，人脸又小又糊。GFPGAN 处理后人脸清晰了，但背景没变（因为只修人脸区域）。这个行为是合理的，不然背景也会被”脑补”成奇怪的样子。

手机照片轻微模糊

手抖拍糊的自拍照，GFPGAN 有一定改善，但不如老照片效果明显。可能是因为轻微运动模糊的退化模型跟它训练时的假设不完全一致。

优缺点

优点：

• 修复效果在开源工具里算第一梯队
• 推理速度快，本地就能跑
• 模型训练扎实，腾讯 ARC 出品
• 完全开源，Apache-2.0 协议，商用也没问题

缺点：

• 只处理人脸，背景不管（虽然可以配合 Real-ESRGAN）
• 对极端低分辨率（人脸小于 50×50）效果有限
• 偶尔会把人脸”修过头”，看起来过于光滑
• 环境配置对新手不太友好，PyTorch 版本冲突很常见

跟同类工具对比

工具	修复质量	速度	开源	适用场景
GFPGAN	高	快	是	真实人脸修复
Real-ESRGAN	中	快	是	通用图像超分
CodeFormer	高	中	是	人脸修复+编码
商业工具（如 Remini）	很高	慢（云端）	否	手机端一键修复

GFPGAN 和 CodeFormer 是同期的竞争对手，两者效果都很强。CodeFormer 在极端退化场景下略胜一筹，但 GFPGAN 的推理速度更快。Remini 的效果确实好，但按月收费，而且要把照片传到人家服务器上。

适合谁用

• 想批量修复老照片的家庭用户
• 做旧照片修复业务的从业者
• 研究计算机视觉的开发者（论文和代码都很干净，适合当 baseline）
• 视频修复团队（可以配合 ffmpeg 做批量帧处理）

总结

GFPGAN 是我用过的开源人脸修复工具里最均衡的一个——效果够好、速度够快、代码够干净。3.7 万星不是吹出来的。

但我要泼一点冷水：它不会魔法。原图信息缺失太严重的时候，再好的 AI 也只能”猜”，猜的结果不一定对。所以我建议把它当做一个强力辅助工具，而不是万能修复器。照片越清晰、人脸越大，修复效果越好。

最后提醒一句：处理老照片之前一定先备份原件。AI 修复是不可逆的，万一结果不满意，至少还有原图在。

---

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]