CodeFormer

CodeFormer 是南洋理工大学 S-Lab 的一篇研究项目，论文发表于 NeurIPS 2022，解决的是「盲人脸修复」：手里只有一张模糊、有噪点、被压缩或打了马赛克的人脸照片，没有清晰原图可参照，要把它还原成一张自然的脸。这类问题信息缺失严重，传统做法容易修出不像本人的脸，CodeFormer 的思路是先把高质量人脸拆成一组离散的「视觉原子」存进码本，再用 Transformer 根据低质输入预测应该用哪些原子拼回整张脸。

主要功能

项目页给出了方法的三步：先自重建学习一个离散码本和解码器，存下人脸的局部高质量部件；再固定码本与解码器，训练 Transformer 预测码字序列，建模整张脸的全局结构；最后用一个可控特征变换模块，调节低质编码器流向解码器的信息量。

页面上有质量与保真度的滑动对比：权重 w 调小，输出更清晰漂亮但可能偏离本人；调大则更贴近原图，细节保留多、观感没那么干净。输入退化特别严重时，可以把这条连接关掉，避免低质信息拖累结果。

怎么用

页面本身只是论文介绍，不提供在线修复。实际动手要拿 GitHub 上的代码自己跑，或者用页面挂出的 HuggingFace Demo 试效果；论文、Wider-Test 数据集和视频演示也都能从这一页找到入口。

适合谁

适合做图像复原研究、需要复现或改进人脸修复算法的人，以及想在自己产品里集成修复能力的开发者。只想修几张老照片的普通用户，用现成 demo 更省事，自己配环境跑代码门槛不低。