CodeFormer 简介
CodeFormer 是一款基于 Transformer 预测网络的 AI 图像修复工具，由南洋理工大学 S-Lab 团队提出，相关论文入选 NeurIPS 2022。其核心能力在于对人脸图像进行高质量修复，包括去马赛克、去噪、超分辨率以及老照片修复等任务。该模型通过 VQGAN 结合 Transformer 学习人脸先验知识，能够在保持细节逼真度的同时实现较强的鲁棒性。
官方项目地址
CodeFormer 的官方项目托管于 GitHub，所有源码、预训练模型及使用文档均在此仓库维护：
GitHub 仓库：https://github.com/sczhou/CodeFormer
还有，作者的个人主页也提供了 CodeFormer 的详细介绍和演示链接：
作者项目页：https://shangchenzhou.com/projects/CodeFormer/
这两个地址是 CodeFormer 最权威的入口，包含完整的安装说明、论文、预训练模型下载以及社区讨论。
在线体验网站
除本地部署外，CodeFormer 也提供在线试用平台。目前较常见的是第三方镜像站点 codeformer.cn，无需安装环境即可直接上传图片进行修复。需要注意的是，该网站并非官方维护，使用时请注意隐私和安全，避免上传敏感照片。官方未提供自建在线服务，但社区有不少基于 Gradio 的 WebUI 实现。
功能特点
- 人脸修复：针对低质量、模糊、遮挡的人脸进行重建，支持调节 fidelity（保真度）与 quality（质量）的平衡（参数范围为 0~1）。
- 背景增强：支持背景增强选项，可同时改善非人脸区域的噪点和模糊。
- 视频修复：可通过逐帧处理实现视频中的人脸去码和增强。
- 开源免费：完全开源，支持 GPU 加速，可本地部署。
安装与使用
通过 GitHub 仓库可以快速部署（以 Linux/macOS/Windows 为例）：
git clone https://github.com/sczhou/CodeFormer.git
cd CodeFormer
conda create -n codeformer python=3.8
conda activate codeformer
pip install -r requirements.txt
运行推理时，只需调用 inference.py 并指定输入图片路径与参数即可。图形界面版本（如 CodeFormer GUI）也可在第三方平台下载，但建议优先使用官方命令行工具以保持最新功能更新。
应用场景
- 老照片修复：恢复家庭旧照中的人脸细节，提升整体画面清晰度。
- 视频去码：对视频中模糊或打码的人脸进行修复（需注意伦理合规）。
- 低质量图像增强：处理监控截图、网络压缩图片中的人脸区域。
- 研究与教学：作为面部分析、图像生成领域的参考基线模型。
总结与展望
CodeFormer 凭借其强大的修复能力和开源生态，已成为人脸图像增强领域的重要工具。读者只需记住官方 GitHub 仓库（sczhou/CodeFormer）和作者项目页即可获取最准确的资源。未来随着模型轻量化与实时处理的发展，CodeFormer 有望在更多端侧设备上实现落地应用，进一步推动图像修复技术的普及。