Trải nghiệm khi dùng GFPGAN
GFPGAN không có ứng dụng cài sẵn; nó là mã nguồn Python. Cách dễ nhất để trải nghiệm không cần cài gì là dùng các bản demo trực tuyến mà README liệt kê trên Replicate và Hugging Face, hoặc sổ tay Colab. Bạn tải ảnh lên, đợi một lúc và nhận lại ảnh đã được làm nét khuôn mặt.
Nếu muốn chạy trên máy, bạn tạo môi trường Python, cài một số gói như basicsr và facexlib, tải file trọng số mô hình rồi chạy script inference_gfpgan.py với đường dẫn thư mục ảnh. Mỗi khuôn mặt tìm thấy trong ảnh sẽ được khôi phục, sau đó dán lại vào ảnh. Có thể bật thêm Real-ESRGAN để làm nét luôn phần nền.
Kết quả thường rõ nhất với ảnh chân dung cũ, ảnh scan hoặc ảnh chụp thiếu sáng. Tuy nhiên README nói thẳng bản V1.3 có thể không quá sắc nét và có thay đổi nhẹ nét mặt so với gốc, nên bạn cần so sánh kỹ với ảnh ban đầu.
Tính năng nổi bật
Khôi phục khuôn mặt từ ảnh chất lượng thấp
Làm rõ mắt, mũi, miệng và da trong ảnh bị mờ hoặc nhiễu mà vẫn giữ vẻ tự nhiên.
Nhiều phiên bản mô hình
V1.3 cho kết quả tự nhiên hơn, V1.2 sắc nét hơn nhưng có thể thấy kiểu trang điểm; README khuyên thử cả hai tuỳ ảnh.
Làm nét luôn phần nền
Kết hợp với Real-ESRGAN để phóng và làm nét cả vùng ngoài khuôn mặt.
Chỉ xử lý mặt giữa ảnh
Có tuỳ chọn chỉ khôi phục khuôn mặt ở giữa, hữu ích khi ảnh có nhiều người phía sau.
Có demo trực tuyến và Colab
Bạn thử trên Hugging Face, Replicate hoặc Google Colab trước khi cài về máy.
Có mã huấn luyện
Dành cho người nghiên cứu: kho có mã và hướng dẫn huấn luyện mô hình riêng.
Tận dụng GFPGAN vào việc gì?
Gia đình, người lưu giữ ảnh kỷ niệm
Làm nét ảnh chân dung cũ
Đưa ảnh scan của ông bà, ảnh thẻ cũ vào để khuôn mặt rõ hơn khi in hoặc xem trên màn hình lớn.
Người dùng công cụ tạo ảnh AI
Sửa mặt trong ảnh do AI tạo
Làm sạch khuôn mặt bị méo hoặc thiếu chi tiết trong ảnh AI sinh ra.
Người làm nội dung, chủ shop
Cải thiện ảnh chụp thiếu sáng
Làm rõ khuôn mặt trong ảnh chụp vội hoặc từ camera chất lượng thấp.
Lập trình viên
Tích hợp vào quy trình xử lý ảnh
Gọi gói pip gfpgan trong script để xử lý hàng loạt ảnh.
Cần chuẩn bị gì?
- Python 3.7 trở lên (README khuyên dùng Anaconda hoặc Miniconda) và PyTorch 1.7 trở lên.
- Card NVIDIA với CUDA là tuỳ chọn nhưng giúp chạy nhanh hơn; README ghi Linux là một lựa chọn tuỳ chọn.
- Cài thêm các gói basicsr, facexlib và nếu muốn làm nét nền thì thêm realesrgan.
- Tải file trọng số mô hình (ví dụ GFPGANv1.3.pth) từ trang Releases của dự án.
Hướng dẫn cài đặt chi tiết
Cài trên Python (pip)
Cài Python và PyTorch, nên tạo môi trường riêng bằng conda. Sau đó tải mã nguồn của dự án.
git clone https://github.com/TencentARC/GFPGAN.git cd GFPGANCài các gói phụ thuộc theo README. Gói realesrgan chỉ cần khi bạn muốn làm nét cả phần nền.
pip install basicsr pip install facexlib pip install -r requirements.txt python setup.py develop pip install realesrganTải file trọng số V1.3 vào thư mục experiments/pretrained_models (README dùng wget; trên Windows có thể tải bằng trình duyệt rồi chép vào).
wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models
Cài trên Chạy thử trực tuyến
Không muốn cài gì thì dùng bản demo trên Hugging Face Spaces hoặc Replicate mà README liệt kê, hoặc mở sổ tay Colab trong phần đầu README. Lưu ý ảnh sẽ được tải lên dịch vụ bên ngoài, nên cân nhắc với ảnh riêng tư.
Dùng thử lần đầu
Đặt vài ảnh chân dung cần làm nét vào thư mục inputs/whole_imgs trong thư mục dự án.
Chạy script suy luận với phiên bản mô hình 1.3 và phóng gấp 2 lần.
python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2Mở thư mục results để xem ảnh đã khôi phục, so sánh với ảnh gốc và thử đổi sang -v 1.2 nếu muốn sắc nét hơn.
Thêm tuỳ chọn --only_center_face nếu ảnh có nhiều người và bạn chỉ muốn sửa người ở giữa.
Mẹo dùng hay
- V1.3 không phải lúc nào cũng tốt hơn V1.2; hãy thử cả hai trên ảnh của bạn.
- Nếu thiếu bộ nhớ khi làm nét nền, giảm kích thước khối bằng tuỳ chọn bg_tile.
- Muốn dùng qua giao diện đồ hoạ, nhiều công cụ như Stable Diffusion web UI đã tích hợp GFPGAN ở tab Extras.
Lưu ý và hạn chế
- Mô hình tự dựng lại chi tiết khuôn mặt nên có thể làm nét mặt khác đi chút ít; README ghi V1.3 có thay đổi nhẹ về nhận dạng khuôn mặt. Đừng dùng kết quả để nhận diện hay làm giả giấy tờ.
- Cần biết dùng Python và dòng lệnh; không có ứng dụng cài sẵn. Dự án cập nhật lần cuối giữa năm 2024.
- Giấy phép: README gắn nhãn Apache 2.0 nhưng dữ liệu kho ghi chưa xác định rõ, hãy đọc file LICENSE và giấy phép của từng mô hình trước khi dùng thương mại.
Câu hỏi thường gặp
Có miễn phí không?
Có, mã nguồn mở và miễn phí. Chi phí duy nhất là điện và thời gian máy; demo trực tuyến có thể giới hạn lượt dùng.
Máy không có card đồ hoạ có chạy được không?
README đặt card NVIDIA với CUDA ở mức tuỳ chọn, nên có thể chạy bằng CPU nhưng sẽ chậm. Dùng demo trực tuyến là cách tạm thời cho máy yếu.
Có khác gì CodeFormer?
Cả hai đều khôi phục khuôn mặt. CodeFormer có thông số w để cân bằng giữa chất lượng và độ giống gốc. Bạn nên thử cả hai trên ảnh thật của mình để chọn.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/TencentARC/GFPGAN.gitRepo tương tự nên xem
CodeFormer
sczhou / CodeFormer
AI khôi phục khuôn mặt trong ảnh cũ, mờ, hỏng hoặc ảnh do AI tạo, giấy phép chỉ phi thương mại
Real-ESRGAN
xinntao / Real-ESRGAN
Mô hình AI phóng to và làm nét ảnh, video; có bản chạy ngay không cần cài Python
Upscayl
upscayl / upscayl
Phóng to ảnh mờ, ảnh nhỏ lên nét hơn bằng AI, cài như phần mềm thường, bấm vài nút