Fidelity weight (баланс fidelity-quality)
- Автор: Команда PhotoPanda
- Обновлено
- 1 мин чтения
- 62 просмотра
Определение
Fidelity weight — управляющий параметр моделей восстановления лиц (в CodeFormer обозначается w, 0–1), задающий баланс между верностью оригиналу и фотореалистичностью. Низкий w сохраняет идентичность, высокий — усиливает детализацию.
Fidelity weight (вес фидельности, баланс fidelity-quality) — управляющий параметр в моделях восстановления лиц, который задаёт компромисс между двумя конкурирующими целями: fidelity — верностью восстановленного лица оригиналу — и quality — фотореалистичностью и детализацией результата. Наиболее известная реализация — параметр w в модели CodeFormer, принимающий значения от 0 до 1.
Почему нужен компромисс
Когда исходное лицо сильно деградировано, у модели два пути. Первый — держаться как можно ближе к тому, что реально видно в пикселях (высокая fidelity), рискуя оставить размытость. Второй — смело достроить чёткие черты из обученного prior (высокая quality), рискуя «придумать» лицо, не похожее на человека. Fidelity weight делает этот выбор явным и управляемым, а не зашитым в модель.
Шкала параметра w в CodeFormer
w=0.0— максимальная fidelity: результат ближе к оригиналу, может остаться мягкостьw=0.2–0.3— рекомендуется для семейного архива, сохраняет идентичность предкаw=0.5— сбалансированное значение по умолчаниюw=0.7–1.0— максимальная quality: резкая кожа и черты, но риск потери сходства
Важно: направление шкалы зависит от реализации. В оригинальном CodeFormer w ближе к 1 повышает quality; в некоторых обёртках параметр инвертируют как «fidelity slider», поэтому всегда сверяйтесь с документацией конкретного API.
Аналоги в других моделях
- GFPGAN — фиксированный баланс без управления, отсюда частая «глянцевость» кожи
- PMRF — баланс задан архитектурой rectified flow, отдельного ползунка нет
- Общий denoise strength в диффузионных пайплайнах играет схожую роль для всего кадра
Практика в PhotoPanda
Инструмент восстановления лиц прокидывает fidelity weight в API как fidelity_weight. Правило простое: чем важнее сохранить конкретного человека (документы, генеалогия, семейные фото) — тем ниже значение; чем важнее «красивая картинка» без привязки к идентичности — тем выше. Для сомнительных случаев запускайте два прогона с разным весом и выбирайте лучший.
Связанные термины
- CodeFormerCodeFormer — модель восстановления лиц от S-Lab NTU (NeurIPS 2022). VQVAE + Transformer, параметр w для контроля баланса fidelity/quality. FID 5.1, отлично сохраняет идентичность, главный выбор для семейного архива.
- Face restoration (восстановление лиц)Face restoration — восстановление деталей лица на размытых, зашумлённых или повреждённых фото с помощью нейросетей. Модель детектирует лицо, реконструирует черты по обученному prior и вклеивает результат обратно (paste-back).
- PMRF (Posterior-Mean Rectified Flow)PMRF (Posterior-Mean Rectified Flow) — модель восстановления лиц от Ohayon et al. (ICLR 2025). Rectified flow диффузия с paste-back механизмом сохраняет идентичность лица. FID 3.8 — лучший открытый результат для face restoration.
- GFPGANGFPGAN (Generative Facial Prior GAN) — модель восстановления лиц от Tencent ARC Lab (CVPR 2021). StyleGAN2 в качестве prior, быстрая (~30 мс/лицо), малые требования к GPU. На 2026 уступает PMRF по качеству, но популярна для self-host.
- Апскейл фотоАпскейл фото — увеличение разрешения изображения нейросетью с восстановлением деталей. В отличие от обычного интерполяционного увеличения (bicubic), AI-апскейл генерирует утерянные детали на основе обученных моделей.
- Колоризация (Colorization)Колоризация — автоматическое раскрашивание чёрно-белых изображений в цветные через нейросеть. Современные модели (ColorFlow, Adobe Quickfire) учитывают исторический период съёмки для period-accurate раскраски.
Материал подготовила
Команда PhotoPanda
Редакция сервиса обработки фото PhotoPanda.