GFPGAN

GFPGAN (Generative Facial Prior GAN) — нейросеть для восстановления лиц от Tencent ARC Lab, опубликованная в 2021 году (Wang et al., CVPR 2021). Использует StyleGAN2 в качестве prior'а — модели «знающей», как выглядят лица в принципе. На своё время — революционное решение, сегодня уступает PMRF и CodeFormer по качеству, но остаётся востребованным благодаря скорости и низким требованиям к железу.

Принцип работы GFPGAN

Архитектура GFPGAN состоит из двух частей:

1. Degradation Removal Module (DRM) — энкодер, который выделяет признаки лица из размытого/повреждённого фото
2. StyleGAN2 Decoder — мощный генератор лиц, обученный на 70 000 лиц из FFHQ. Принимает признаки от DRM и генерирует фотореалистичное лицо

Между ними — модуль CS-SFT (Channel-Split Spatial Feature Transform), который позволяет балансировать между сохранением идентичности (использовать признаки оригинала) и качеством (использовать prior из StyleGAN2).

Характеристики

• Размер модели: ~330 МБ
• Скорость: ~30 мс на лицо 512×512 на средней GPU
• Минимум VRAM: 2 ГБ
• Входное разрешение лица: 512×512 (после выравнивания)
• FID на CelebA-HQ benchmark: ~8.2 (PMRF: ~3.8, CodeFormer: ~5.1)

Сильные стороны GFPGAN

• Скорость — самая высокая среди face restoration моделей 2021–2024
• Малые требования к VRAM (работает на любой современной видеокарте)
• Открытый код, свободная лицензия (BSD 3-clause)
• Хорошо работает на современных «слегка размытых» фото со смартфона

Слабые стороны

• «Глянцевость» восстановленной кожи — характерный артефакт StyleGAN2. Кожа выглядит как у манекена
• Потеря идентичности на сильной деградации — при размытии > 8 пикселей модель «дорисовывает» лицо, рискуя получить непохожего человека
• Слабая работа со старыми лицами и нестандартными чертами — FFHQ датасет смещён в сторону молодых и «фотогеничных» лиц
• Артефакты на глазах — иногда меняет цвет радужки

GFPGAN vs CodeFormer vs PMRF

• GFPGAN (2021): быстро, базовое качество, GAN-glow на коже
• CodeFormer (2022): контроль баланса fidelity/quality, лучше детали, медленнее на 30%
• PMRF (2025): фотореалистичная кожа без артефактов, лучшая identity preservation, требует мощную GPU

На 2026 год GFPGAN рекомендуется только для self-hosted сценариев на слабом железе или массовой обработки, где качество не критично. Для семейного архива и сложных задач — используйте PMRF.

Применение в PhotoPanda

PhotoPanda исторически использовал GFPGAN в 2022–2023 годах. Сейчас перешёл на PMRF + CodeFormer-fallback. GFPGAN доступен как опциональная быстрая модель при выборе model=gfpgan в API за 30 коп./фото. Рекомендуется только для массовой обработки фото с современных камер.

FAQ — GFPGAN

GFPGAN бесплатен?

Да, BSD 3-clause лицензия — свободное коммерческое использование. Код на GitHub: TencentARC/GFPGAN. Веса предобученной модели — также свободные.

Почему лица после GFPGAN выглядят «пластмассовыми»?

Это известный артефакт StyleGAN2-based моделей: кожа становится слишком гладкой, как у манекена. Лечится либо переходом на PMRF, либо смешиванием результата с оригиналом (blend 50/50) для сохранения текстуры кожи.

GFPGAN или Real-ESRGAN — что выбрать?

Это разные задачи. GFPGAN — для лиц, Real-ESRGAN — для апскейла всего изображения. Часто используются вместе: сначала Real-ESRGAN на фото, затем GFPGAN на каждом обнаруженном лице.