github链接：https://github.com/sczhou/CodeFormer

1、配置环境

conda create -n codeformer python=3.8
conda activate codeformer 
pip install dlib-19.19.0-cp38-cp38-win_amd64.whl
pip install torch-1.10.0+cu113-cp38-cp38-win_amd64.whl
pip install torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl
pip install addict
pip install future
pip install lmdb
pip install numpy
pip install opencv-python
pip install Pillow
pip install pyyaml
pip install requests
pip install scikit-image
pip install scipy
pip install tb-nightly
pip install tqdm
pip install yapf
pip install lpips
pip install gdown

2、下载模型

文章的云盘链接提供

将codeformer.pth放入weights\CodeFormer文件目录

将detection_Resnet50_Final.pth放入weights\facelib文件目录

将shape_predictor_68_face_landmarks-fbdc2cb8.dat放入weights\dlib文件目录

3、运行

准备测试数据：

您可以将测试图像放在inputs/TestWhole文件夹中。如果您想在裁剪和对齐的面上进行测试，可以将它们放在inputs/clopped_faces文件夹中。通过运行以下命令，可以获得裁剪和对齐的面：

python scripts/crop_align_face.py -i [input folder] -o [output folder]

测试:

[注意]如果您想比较论文中的CodeFormer，请运行以下命令指示–has_aligned（用于裁剪和对齐的人脸），因为整个图像的命令将涉及人脸背景融合过程，这可能会破坏边界上的头发纹理，从而导致不公平的比较。

保真度权重w位于[0，1]中。通常，较小的w往往产生更高质量的结果，而较大的w产生更高的保真度结果。结果将保存在结果文件夹中。

面部恢复（裁剪和对齐的面部）

# 用于裁剪和对齐的面（512x512）
python inference_codeformer.py -w 0.5 --has_aligned --input_path [image folder]|[image path]

全图像增强

#对于整个图像
#添加“--bg_upsampler realesrgan”以使用Real ESRGAN增强背景区域
#添加“--face_upsample”以使用Real ESRGAN进一步放大恢复的面部样本
python inference_codeformer.py -w 0.7 --input_path [image folder]|[image path]

视频增强

#对于Windows/Mac用户，请先安装ffmpeg
conda install -c conda-forge ffmpeg

#用于视频剪辑
#视频路径应以“.mp4”|“.mov”|“.avi”结尾
python inference_codeformer.py --bg_upsampler realesrgan --face_upsample -w 1.0 --input_path [video path]

面部着色（裁剪和对齐的面部）

#用于裁剪和对齐的面（512x512）
#将黑白或褪色的照片着色
python inference_colorization.py --input_path [image folder]|[image path]

面部修复（裁剪和对齐的面部）

#用于裁剪和对齐的面（512x512）
#输入可以通过使用图像编辑应用程序（例如Photoshop）的白刷进行屏蔽
#（查看inputs/masked_faces中的示例）
python inference_inpainting.py --input_path [image folder]|[image path]