Readme
Auf dem Weg zu einer robusten Wiederherstellung von Gesichtern ohne Kenntnis der Bildschäden mit einem Codebook-Lookup-Transformer (NeurIPS 2022) · Forschungsarbeit · Projektübersicht
Die CodeFormer-Forschung untersucht, wie sich Gesichtsdetails wiederherstellen lassen, wenn das Originalbild beeinträchtigt ist. Diese Seite stellt das Verfahren und Beispielergebnisse vor; hier wird kein Bildverarbeitungsdienst angeboten.
☕ Gesichtswiederherstellung für alte Fotos und KI-generierte Gesichter
Der Kompromiss zwischen Qualität und Originaltreue ist wichtig: Eine stärkere Wiederherstellung kann ein klareres Gesicht erzeugen, während eine originalgetreuere Einstellung darauf abzielt, mehr vom Ausgangsbild zu bewahren.
Informieren Sie sich vor der kommerziellen Nutzung des Modells in der ursprünglichen CodeFormer-Arbeit und der zugehörigen Lizenz über Forschungs- und Implementierungsdetails.
Lizenz · Das ursprüngliche CodeFormer-Projekt verwendet die S-Lab License 1.0. Prüfen Sie die Bedingungen für zulässige Nutzungen, insbesondere hinsichtlich der nicht kommerziellen Nutzung.
Zitieren · Wenn die Forschungsarbeit für Ihre Arbeit nützlich ist, zitieren Sie die Originalveröffentlichung:
@inproceedings{zhou2022codeformer,
author = {Zhou, Shangchen and Chan, Kelvin C.K. and Li, Chongyi and Loy, Chen Change},
title = {Towards Robust Blind Face Restoration with Codebook Lookup Transformer},
booktitle = {NeurIPS},
year = {2022}
}
