Vergleich der Gesichtswiederherstellung
Beide Modelle können Gesichter in beschädigten oder minderwertigen Bildern rekonstruieren, aber keines kann Details wiederherstellen, die im Ausgangsbild nie erfasst wurden. Die bessere Wahl hängt davon ab, ob Ihnen ein makelloses Gesicht wichtiger ist oder ein Ergebnis, das der Person im Original möglichst ähnlich bleibt.
Beginnen Sie mit GFPGAN, wenn Sie eine unkomplizierte, ansprechende Wiederherstellung wünschen. Beginnen Sie mit CodeFormer, wenn es Ihnen wichtiger ist, dass das Gesicht erkennbar bleibt. Vergleichen Sie beide Ergebnisse mit dem Original, statt eines davon für die unverfälschte Wahrheit zu halten.
Verwenden Sie für beide Modelle dasselbe Ausgangsbild. Ein gut aussehendes Gesicht ist nicht unbedingt originalgetreu, besonders wenn die Vorlage winzig, stark komprimiert oder teilweise verdeckt ist.
Bevor Sie sich für ein Wiederherstellungsmodell entscheiden, prüfen Sie, ob rund um Augen, Mund, Haaransatz und Gesichtskontur verwertbare Informationen vorhanden sind. Fehlen diese Merkmale, muss jedes der beiden Modelle sie erschließen. Merken Sie sich den ursprünglichen Gesichtsausdruck und die markanten Merkmale, damit aus einem geglätteten Ergebnis nicht unbemerkt eine andere Person wird.
Vergleichen Sie CodeFormer und GFPGAN bei gleicher Anzeigegröße und zoomen Sie dann heran. Prüfen Sie, ob eines der Modelle die Augenform, das Lächeln, altersbedingte Merkmale oder die Hautstruktur verändert. Ein makelloses Ergebnis kann sich für ein zwangloses Porträt eignen. Bei einem Familienfoto, bei dem die Ähnlichkeit Vorrang hat, ist eine weniger starke Veränderung womöglich besser.
Die Gesichtswiederherstellung konzentriert sich auf Gesichter; eingerissene Ränder, verblichene Kleidung oder ein undeutlicher Hintergrund werden dadurch nicht automatisch repariert. Achten Sie auf sichtbare Übergänge zwischen dem wiederhergestellten Gesicht und dem restlichen Bild und bewahren Sie das unbearbeitete Original zum Vergleich auf. Wählen Sie das Ergebnis, das dem Foto als Ganzes gerecht wird, nicht nur dem Gesichtsausschnitt.
Der Verwendungszweck ist ebenso wichtig wie das Modell. Diese typischen Situationen helfen bei der Entscheidung, ohne davon auszugehen, dass ein Modell bei jedem Bild besser ist.
Sie haben einen kleinen Scan eines Familienmitglieds und möchten, dass dessen Gesicht erkennbar bleibt. Testen Sie CodeFormer und vergleichen Sie das Ergebnis mit dem Original. Verwerfen Sie Veränderungen an markanten Merkmalen, auch wenn das Ergebnis scharf aussieht.
Geben Sie der Ähnlichkeit Vorrang vor einem makellosen Ergebnis; die Reparatur von Gesichtern ist nur ein Teil der Restaurierung eines gealterten Abzugs.
Ein komprimiertes oder leicht unscharfes Porträt soll bei einer moderaten Anzeigegröße ansehnlich wirken. GFPGAN liefert möglicherweise das Ergebnis, das Sie bevorzugen. Vergleichen Sie jedoch Haut und Gesichtsausdruck mit einem CodeFormer-Ergebnis, bevor Sie sich entscheiden.
Wählen Sie die Version, die die Erkennbarkeit verbessert, ohne die abgebildete Person unerwartet anders aussehen zu lassen.
Sie müssen entscheiden, ob ein vorhandenes Gesicht repariert werden muss oder ob das Bild umfassendere kreative Änderungen braucht. Testen Sie für Ersteres ein Werkzeug zur Gesichtsrestaurierung; erwarten Sie nicht, dass es die Szenenbearbeitung oder Bilderzeugung ersetzt.
Betrachten Sie Restaurierung und kreative Veränderung als getrennte Entscheidungen und nutzen Sie das Ausgangsbild als Referenz.
Nutzen Sie bereits eines der Modelle? Testen Sie das andere zunächst mit einer kleinen Auswahl repräsentativer Fotos, bevor Sie Ihren Workflow ändern. Die Tabelle zeigt, was Sie vergleichen sollten, und kürt keinen allgemeingültigen Sieger.
| CodeFormer | GFPGAN | |
|---|---|---|
| Hauptaufgabe | Restauriert beschädigte Gesichter mithilfe erlernten Vorwissens über Gesichter. Beurteilen Sie das Ergebnis sowohl nach Klarheit als auch nach Ähnlichkeit. | Restauriert beschädigte Gesichter mithilfe erlernten Vorwissens über Gesichter. Beurteilen Sie das Ergebnis sowohl nach Klarheit als auch nach Ähnlichkeit. |
| Abwägung bei der Identitätstreue | Bietet in Implementierungen, die eine Fidelity-Gewichtung bereitstellen, eine Abwägung zwischen Ähnlichkeit und Qualität; vergleichen Sie verschiedene Einstellungen, statt davon auszugehen, dass das schärfste Ergebnis das beste ist. | Kann eine ansprechende Rekonstruktion erzeugen, doch die ergänzten Details müssen weiterhin mit dem Gesicht im Ausgangsbild abgeglichen werden. |
| Wahrgenommener Bildeindruck | Kann hilfreich sein, wenn Sie sichtbare Restaurierung und Veränderungen der Gesichtszüge gegeneinander abwägen möchten. | Oft einen Test wert, wenn ein glattes, auf Anhieb professionell wirkendes Porträt das Ziel ist. |
| Sehr schlechte Eingabequalität | Kann fehlende Augen, Munddetails oder Gesichtsausdrücke aus einer unleserlichen Vorlage nicht überprüfen; betrachten Sie rekonstruierte Merkmale kritisch. | Unterliegt derselben Beweisgrenze; eine überzeugende Rekonstruktion sollte nicht mit wiedergewonnenen historischen Details verwechselt werden. |
| Schäden außerhalb des Gesichts | Ein auf das Gesicht ausgerichtetes Ergebnis behebt für sich genommen weder Kratzer noch Schäden am Hintergrund oder jeden anderen Mangel eines eingescannten Abzugs. | Auch bei einem auf das Gesicht ausgerichteten Ergebnis müssen Schäden außerhalb des Gesichtsbereichs separat bearbeitet werden. |
| Erster Test für den Wechsel | Wenn GFPGAN zu stark verändert wirkt, vergleichen Sie ein CodeFormer-Ergebnis mit dem Original und achten Sie auf wiedererkennbare Merkmale. | Wenn ein CodeFormer-Ergebnis weniger fertig wirkt, als Sie es benötigen, betrachten Sie ein GFPGAN-Ergebnis in der Größe, in der Sie das Bild später ansehen möchten. |
| Entscheidungskriterium | Behalten Sie das Ergebnis, wenn die Person erkennbar bleibt und das Foto insgesamt weiterhin stimmig wirkt. | Behalten Sie das Ergebnis, wenn die Verbesserung des Erscheinungsbilds stärker wiegt als erkennbare Veränderungen der Identität oder des Gesichtsausdrucks. |
Ein Vergleich ist am hilfreichsten, wenn beide Ergebnisse aus derselben Vorlage stammen und Sie sie neben dem unbearbeiteten Bild betrachten können. Wählen Sie nach Ihrem Ziel: ein ansprechendes Porträt, ein wiedererkennbares Familienmitglied oder eine zurückhaltende Reparatur. codeformer dient als Orientierung für den Restaurierungsansatz, nicht als Versprechen, dass fehlende Gesichtszüge wiederhergestellt werden können.
Nicht bei jedem Foto. CodeFormer ist einen Versuch wert, wenn Ihnen die Ähnlichkeit besonders wichtig ist. GFPGAN liefert bei manchen Porträts möglicherweise ein Ergebnis, das Ihnen besser gefällt. Vergleichen Sie Ergebnisse derselben Vorlage und beurteilen Sie die Wiedererkennbarkeit unabhängig von der Schärfe.
Probieren Sie beide Modelle für das Gesicht aus, aber behalten Sie bei der Beurteilung den Originalscan im Blick. Prüfen Sie vertraute Merkmale wie Augen, Lächeln und Gesichtsform, bevor Sie ein Ergebnis auswählen. Keines der beiden Modelle zur Gesichtsrestaurierung behebt jede Art von Schaden an anderen Stellen eines alten Abzugs.
Beide Modelle leiten aus unvollständigen Bildinformationen plausible Details ab, statt ein verborgenes Originalgesicht wiederzufinden. Ihre unterschiedlichen Restaurierungsmethoden können aus derselben Vorlage verschiedene Texturen und Gesichtszüge erzeugen. Diese Unterschiede sind besonders wichtig, wenn die Vorlage klein oder stark beschädigt ist.
Testen Sie zunächst einige Bilder, die für die unterschiedlichen Gesichter und Schäden in Ihrer Sammlung stehen. Vergleichen Sie jedes neue Ergebnis sowohl mit Ihrem bisherigen Ergebnis als auch mit der unbearbeiteten Vorlage. Wechseln Sie nur bei den Bildern, die davon profitieren; Sie müssen nicht für die gesamte Sammlung dasselbe Modell verwenden.
Entscheiden Sie nach dem Verwendungszweck des Bildes. Bei einer Archivaufnahme oder einem persönlichen Foto können wiedererkennbare Gesichtszüge wichtiger sein als eine makellose Oberfläche; bei einem Bild für eine informelle Präsentation bevorzugen Sie vielleicht ein glatteres Erscheinungsbild. Bewahren Sie das Original auf, damit Betrachter zwischen Restaurierung und tatsächlich erfassten Details unterscheiden können.