AI人脸修复技术：让模糊老照片重获清晰

CH-12-01-099·约 17 分钟·AIGC内容创作与创意·更新 2026-08-11

巷子尽头，有一家开了三十年的老照相馆。馆主张师傅最拿手的不是拍照，而是“救照片”——那些被岁月磨花、被水渍泡皱、被时光遗忘的旧合影，到他手里总能重新显出人样。有人问他诀窍，他举起放大镜说：“先看懂它怎么坏的，再决定怎么修。”如今，一个叫 AI 的学徒进了店。它不需要放大镜，但学的正是同样的道理：看懂退化、分清损伤、调用先验、评估效果。这篇文章，就带你围观张师傅如何把一身手艺教给这个 AI 学徒——从一张模糊的老照片里，一步步把人脸“捞”回来。一路上你会看到：照片是怎么变坏的（退化模型）、损伤有哪几类、AI 凭什么能“脑补”出清晰五官（生成模型）、张师傅的工具箱里藏着什么宝贝、完工后如何质检、这些本事在真实世界里能干什么，以及一整套从接活到交活的动手流程。

岗位关联

掌握人脸修复原理与工具选型，是图像和 AIGC 方向工程师的高价值技能：既能处理老照片修复、影像翻新等真实需求，也能为内容生成与视频增强业务提供核心技术支撑。

可视化演示
修复核心原理
退化类型识别
生成式修复模型
主流修复工具
质量评估体系
应用场景落地
实战修复流程
AI 应用场景
Python 演示
常见误区
面试题

可视化演示

动态演示AI人脸修复技术的核心机制，通过采集/分析/决策/反馈四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

AI人脸修复技术：AI人脸 AI人脸修复技术原理与挑战主流模型：GFPGAN与Cod 核心机制可视化 AI人脸修复技术整体架构与关键组件

修复核心原理

张师傅修照片，第一件事是“猜原貌”。1949 年的合影，脸上全是磨痕，他凑在灯下看半天，嘴里念叨：这卷底片当年是清晰的，是冲印、存放、翻拍把它一步步弄坏了。修复师的所有工作，都建立在对“破坏过程”的还原上。

在 AI 眼里，同样的逻辑被写成一个公式——退化模型。把清晰人脸 x 当成一张“新底片”，岁月会用三道工序把它变旧：先失焦（卷积模糊核）、再缩印（下采样）、最后蒙上尘土（加噪声）。于是你手里那张模糊照片 y，就是这三道工序的产物。

可问题是：知道 y，反推 x，就像端着一碗咖喱要还原出所有食材和火候——根本不唯一。同一张模糊脸，能对应无数张“清晰脸”。数学家管这叫病态逆问题。所以 AI 不能硬解方程，而要引入“人脸先验”：模型在成千上万张人脸上见过“眼睛该长在哪、肤色该怎么过渡”，于是从所有可能的清晰解里，挑出最像“一张真脸”的那个。

张师傅敢补画像，是因为画了三十年人像，脑子里存了一本“人脸图鉴”。AI 的“人脸先验”就是它的图鉴：模糊不是深渊，而是藏着岔路的山——先验就是那张地图。

y = (x \otimes k) \downarrow_s + n

通俗地说：这张旧照片 = 一张清晰照片被“模糊 + 缩小 + 加噪”三连击之后剩下的残骸。

x — 原始的清晰图像修复师心里的“底片原貌”，也是我们最终想要恢复的目标。
$x$
⊗k — 卷积模糊核模糊核 k 像一把“涂抹刷”，把每个像素的颜色抹到周围邻居身上，模拟失焦或手抖。
$x \otimes k$
↓s — 下采样缩小把抹完的照片按比例 s 缩小，大量细节像素被直接丢弃，画面变“肉”。
$(x \otimes k) \downarrow_s$
n — 加性噪声随机颗粒噪声，模拟胶片霉点、传感器热噪，叠加在信号之上。
$y = (x \otimes k) \downarrow_s + n$

退化类型识别

张师傅工作台上贴着一张传家“分诊表”：磨花的、长霉的、撕破的、起雾的，各有各的修法。他从不拿同一把刷子应付所有照片——动手之前，先看它坏在哪。

AI 也一样。退化类型直接决定修复策略，常见的有四种：

模糊退化：失焦、手抖、镜头污渍，表现为边缘发“肉”、细节丢失，本质是高频信息被抹掉；

噪声干扰：胶片颗粒、传感器热噪声、低光噪点，表现为画面上细密的随机“雪花”；

低分辨率：翻拍、缩印导致像素不够，人脸变成一坨马赛克；

压缩伪影：低码率 JPEG 或网络传输引入的块状马赛克和振铃纹路。

现实里的老照片往往是“复合退化”：既模糊又缩过、还有噪声，再被反复压缩。用公式看是这样的：

所以修复前必须先“分诊”：以哪种退化为主，就选对症的工具。这也就解释了为什么“一个模型修所有照片”往往翻车——伤不同，药方就得不同。

张师傅把分诊表翻了个面，指给学徒看：分诊不是流程，是这行的第一课。AI 学到的第一件事，就是先判断、再动手的职业习惯。

y = \left[ (x \otimes k_1 \otimes k_2) \downarrow_s + n \right]_{JPEG}

通俗地说：真实世界的坏照片不是一种伤，而是“失焦 + 手抖 + 缩小 + 噪点 + 压缩”叠在一起的复合伤。

k1⊗k2 — 级联模糊多重模糊叠加，失焦是 k1，手抖是 k2，一道工序抹完再抹一道。
$x \otimes k_1 \otimes k_2$
↓s — 分辨率损失缩小后像素变少，高频细节被丢弃，这一步是“马赛克”的源头。
$\downarrow_s$
[·]JPEG — 有损压缩压缩编码按块处理，产生方块效应与振铃，画质进一步劣化。
$\left[ \cdot \right]_{JPEG}$

生成式修复模型

张师傅收了两个学徒。大徒弟阿真天分高，专攻“以假乱真”：给他看一张模糊脸，他交出一张清晰脸，但总被二徒弟阿严挑刺。阿严是个眼毒的鉴定师，他的工作就是从阿真的作品里找出“这是画出来的”的破绽。两人天天较劲——阿真越画越像，阿严越挑越精。直到有一天，阿严盯着阿真的画犹豫了：“这……是真照片吧？”张师傅说，成了。这就是生成对抗网络，GAN。

GAN 的博弈被写成一个最小值最大值目标：

第三条路是扩散模型，像把“洗照片的录像”倒着放：先把“清晰脸一步步加噪变成纯噪声”的全过程录下来，再倒过来——从纯噪声出发，一步一步“洗”出人脸。它比 GAN 慢，但更稳，近年逐渐成为图像生成的主流配方。在修复任务里，模型输入不再是纯噪声，而是附加上“这张模糊脸”作为条件，引导生成方向。

张师傅看着两个学徒感慨：一个靠吵架进步，一个靠倒放开悟。AI 修复人脸最核心的“生成能力”，就藏在这两种配方里。

\min_G \max_D \; \mathbb{E}_{x \sim p_{data}}[\log D(x)] + \mathbb{E}_{z \sim p_z}[\log(1 - D(G(z)))]

通俗地说：造假者 G 和鉴定师 D 互相博弈，鉴定师越强，造假者被逼得越真，直到假到连鉴定师都分不出来。

D(x) 给真图高分鉴定师看到真照片 x，要给出高分，这一项越大越好。
$\log D(x)$
G(z) 生成假脸造假者从随机噪声 z 里“变”出一张假脸。
$G(z)$
1−D(G(z)) 识破假脸鉴定师要努力识破假脸，这项越大代表它越能抓“假”。
$\log(1 - D(G(z)))$
min_G max_D 博弈G 想最小化这项（骗过 D），D 想最大化（抓住假），两人互相逼迫，收敛到“以假乱真”。
$\min_G \max_D$

主流修复工具

张师傅的工具箱里摆着三件镇店之宝，每个学徒各有绝活：

GFP-GAN——快手画师。用 GAN 生成清晰人脸，同时揣着一张“身份保险单”（预训练人脸识别网络提取的特征），保证修完看着还是同一个人；

CodeFormer——老学究。兜里揣着一本“人脸词典”（离散码本），遇到模糊脸先翻词典找到最贴近的“标准人脸词条”，再照着写，保真度还能手动调节；

Real-ESRGAN——大力士。专攻通用超分辨率，把整幅图做大做清，人脸修复只是它的副业，适合“连背景一起修”的场合。

这些工具的损失函数万变不离其宗，本质是几项损失的加权组合：

选型口诀：人脸特写、追求好看，选 GFP-GAN；人脸模糊严重、怕“修歪了脸”，选 CodeFormer；整张老照片、要连背景一起超分，选 Real-ESRGAN。

张师傅把工具箱一合，叮嘱学徒：工具不在多，在于知道每把刷子该在什么时候用。

\mathcal{L}_{total} = \lambda_1 \mathcal{L}_{pix} + \lambda_2 \mathcal{L}_{per} + \lambda_3 \mathcal{L}_{id} + \lambda_4 \mathcal{L}_{adv}

通俗地说：修复得好不好，要同时看“像素像不像、气质像不像、是不是同一个人、看起来真不真”四门功课，λ 是每门功课的权重。

L_pix 像素损失修复图和原图逐个像素求差，保证整体“不走样”。
$\mathcal{L}_{pix} = \|\hat{x} - x\|_1$
L_per 感知损失用预训练网络提取特征再比较，衡量“气质”是否一致，而不是死板地抠像素。
$\mathcal{L}_{per} = \| \phi(\hat{x}) - \phi(x) \|_2^2$
L_id 身份损失比较两个人脸识别向量的余弦距离，确保“修完还是他本人”。
$\mathcal{L}_{id} = 1 - \cos(f(\hat{x}), f(x))$
加权求和λ1 到 λ4 是调节权重，不同工具通过调整权重实现不同修复风格。
$\mathcal{L}_{total} = \lambda_1 \mathcal{L}_{pix} + \lambda_2 \mathcal{L}_{per} + \lambda_3 \mathcal{L}_{id} + \lambda_4 \mathcal{L}_{adv}$

质量评估体系

照片修好，张师傅从不直接交活。他有一套“质检三步”：先拿尺子量误差，再看气质对不对，拿不准就请街坊邻居过来瞄一眼。

尺子量（PSNR/SSIM）：PSNR 比较逐像素误差，SSIM 比较亮度、对比度和结构，适合当“及格线”；

看气质（FID 等）：在特征空间里比较“修复人群照”和“真实人群照”的分布距离，衡量整体逼真度；

请路人看（NIQE/BRISQUE）：不需要原图，直接对单张图算“自然度”，适合老照片这种没有参照物的场景。

PSNR 的定义如下：

但 PSNR 有个著名的毛病：它“看不懂纹理”。一张平滑发虚的图和一张纹理真实的图，PSNR 可能差不多，人眼却一眼分出高下。所以学术界更偏爱感知指标 FID——把两组图像分别送进卷积网络提取特征，再比较两组特征分布的远近：

张师傅的质检结论是：尺子保底线，气质定高下，人眼一锤定音——好用的评估，永远是多个指标打组合拳。

\mathrm{PSNR} = 10 \log_{10} \left( \frac{MAX^2}{\mathrm{MSE}} \right)

通俗地说：管你真不真，拉出来遛遛——看你这群人的“长相分布”和真人群体像不像，越像数值越低。

μr 与 μg — 分布中心真实图像集与生成图像集在特征空间的平均“长相”向量。
$\|\mu_r - \mu_g\|_2^2$
Σr 与 Σg — 分布形状两组图像特征的协方差矩阵，刻画“这组人长得有多分散”。
$\Sigma_r, \Sigma_g$
Tr 与矩阵平方根综合比较两个分布的差异，数值越小说明两群图像越难分辨。
$\mathrm{Tr}(\Sigma_r + \Sigma_g - 2(\Sigma_r\Sigma_g)^{1/2})$

应用场景落地

张师傅的生意越做越大，AI 学徒开始独当一面，三个场景最典型。

老照片修复：档案馆和家庭相册里的发黄合影，人脸小、模糊、有水渍。流程是检测人脸、针对性修复、把修好的人脸贴回原图。GFP-GAN、CodeFormer 是主力，出来的效果让很多人第一次“看清”了爷爷年轻时的脸。

视频增强：直播、短视频、老电影翻新都要处理连续帧。如果一帧一帧当图片修，会出现“闪烁”——同一张脸这帧圆润、下帧尖削，像心跳一样抖。解决方法是在损失里加“时序一致性”惩罚，逼着相邻帧按光流对齐的方向稳定变化：

档案数字化与社交娱乐：博物馆把老照片数字化入库、修旧如旧；社交 App 拿它做“老照片动起来”“时光滤镜”等玩法，生成式修复成了内容创作的新引擎。

张师傅看着账本乐了：手艺还是那门手艺，只是从一个人的手艺，变成了一行代码的手艺。

\min_{x_1,\ldots,x_T} \sum_{t=1}^{T} \| y_t - D(x_t) \|^2 + \lambda \sum_{t=2}^{T} \| x_t - \mathrm{Warp}(x_{t-1}) \|^2

通俗地说：每帧既要修得清楚（第一项），又要和前一帧“接得上”（第二项），λ 是两者之间的平衡旋钮。

逐帧保真项每一帧修复结果 x_t 经过退化 D 之后，要能还原成观测帧 y_t。
$\sum_{t=1}^{T}\| y_t - D(x_t) \|^2$
时间一致性项相邻帧 x_t 与 x_{t-1} 之间应符合光流预测的运动，不能各自乱变。
$\lambda \sum_{t=2}^{T}\| x_t - \mathrm{Warp}(x_{t-1}) \|^2$
λ 平衡系数λ 大则画面更稳定但可能偏糊，λ 小则每帧更锐利但容易闪。
$\lambda$

实战修复流程

张师傅给 AI 学徒立了“标准作业流程”，四步走：

第一，人脸检测。用 RetinaFace、MTCNN 这类模型在照片里找到人脸框和关键点（眼睛、鼻子、嘴角）。这一步相当于医生先找到病灶。

第二，对齐裁剪。检测到的脸可能歪着、侧着、大小不一，需要根据五个关键点做仿射变换，把脸“摆正”到统一模板：

第三，模型推理修复。把对齐后的人脸块送进修复模型（GFP-GAN、CodeFormer 等），生成清晰人脸。大图显存不够时，要分块处理再拼回。

第四，融合后处理。把修好的脸贴回原图不能生硬拼接——要用 alpha 蒙版做羽化过渡，再统一色调、修正肤色，让“新脸”和“旧背景”和谐共处。

张师傅最后在流程图上盖了个章：检测、对齐、修复、融合——四个词，就是这门手艺的全部骨架。AI 学徒，就此出师。

\begin{pmatrix} x' \\ y' \end{pmatrix} = \mathbf{A} \begin{pmatrix} x \\ y \end{pmatrix} + \mathbf{b}

通俗地说：一张歪着的脸，先旋转摆正、缩放到标准尺寸，修复模型才认得出“这是一张正脸”。

A 线性变换包含旋转、缩放、斜切的 2×2 矩阵，负责把脸摆正、调整大小。
$\mathbf{A} \begin{pmatrix} x \\ y \end{pmatrix}$
b 平移把整张脸平移到画布中心的标准位置。
$\mathbf{b}$
逆变换融合修复完成后，用 A 的逆变换把修好的脸精确映射回原图坐标。
$\mathbf{A}^{-1}$

AI 应用场景

家庭老照片数字化修复

阶段：图像后处理

解决的问题：传统人工修复一张老照片要花数小时甚至数天，成本高且效果依赖修复师个人经验；AI 可以在秒级完成人脸检测、修复、融合全流程，让普通人也能一键修复泛黄、模糊的合影。

具体案例：一名用户上传一张 1980 年代的三口之家合影，人脸只有 40×40 像素且布满噪点。系统先用 RetinaFace 定位人脸，再用 CodeFormer 在较低保真度档位修复，最后贴回原图并统一色调，输出 4K 高清版本，全家人都一眼认出了年轻时的长辈。

直播与短视频实时人脸增强

阶段：视频增强

解决的问题：直播画面受带宽和摄像头限制，人脸容易发糊、偏色；传统美颜只做磨皮美白，解决不了真实感。AI 修复模型与美颜管线结合，能实时提升人脸清晰度。

具体案例：视频会议软件在弱网环境下，用轻量化超分模型把 360p 人脸提升到 720p 画质，同时引入时序一致性约束避免“呼吸感”闪烁，让远程会议中的人脸始终清晰稳定。

经典影视老片 4K 翻新

阶段：图像后处理 / 视频增强

解决的问题：老胶片电影包含噪点、划痕、模糊等多种退化，传统修复靠人工逐帧处理，成本极高；AI 把“修复 + 超分 + 时序稳定”串成自动化流水线。

具体案例：某修复团队将 1980 年代电影胶片扫描后，先用 Real-ESRGAN 做整体超分，再用人脸修复模型针对特写镜头增强演员面部，最后通过光流对齐做帧间融合，输出 4K 修复版并保留胶片质感。

Python 演示

python46 行

import mathimport numpy as npimport cv2 def make_face(size=256):    img = np.full((size, size, 3), 255, dtype=np.uint8)    cv2.ellipse(img, (size // 2, size // 2), (size // 3, size // 3),                0, 0, 360, (228, 200, 178), -1)    cv2.circle(img, (size // 2 - 42, size // 2 - 24), 13, (52, 52, 66), -1)    cv2.circle(img, (size // 2 + 42, size // 2 - 24), 13, (52, 52, 66), -1)    cv2.ellipse(img, (size // 2, size // 2 + 26), (38, 24), 0, 0, 180,                (122, 78, 82), 4)    return img def degrade(img, scale=4, sigma=2.5, noise=6.0):    h, w = img.shape[:2]    small = cv2.resize(img, (w // scale, h // scale), interpolation=cv2.INTER_AREA)    small = cv2.GaussianBlur(small, (0, 0), sigma)    rnd = np.random.normal(0, noise, small.shape).astype(np.float32)    return np.clip(small.astype(np.float32) + rnd, 0, 255).astype(np.uint8) def restore(img):    h, w = img.shape[:2]    up = cv2.resize(img, (w * 4, h * 4), interpolation=cv2.INTER_CUBIC)    denoised = cv2.fastNlMeansDenoisingColored(up, None, 5, 5, 7, 21)    blur = cv2.GaussianBlur(denoised, (0, 0), 2.0)    return cv2.addWeighted(denoised, 1.8, blur, -0.8, 0) def psnr(a, b):    mse = np.mean((a.astype(np.float64) - b.astype(np.float64)) ** 2)    if mse < 1e-10:        return 99.0    return 10.0 * math.log10(255.0 * 255.0 / mse) def main():    clean = make_face()    bad = degrade(clean)    good = restore(bad)    print("退化图 PSNR: %.2f dB" % psnr(clean, bad))    print("修复图 PSNR: %.2f dB" % psnr(clean, good))    cv2.imwrite("clean.png", clean)    cv2.imwrite("degraded.png", bad)    cv2.imwrite("restored.png", good) if __name__ == "__main__":    main()

目的：用 OpenCV 从零演示“退化 → 修复 → 评估”完整闭环：先合成一张测试人脸，模拟模糊、缩小、加噪的退化过程，再用“放大 + 去噪 + 锐化”的经典基线流程修复，最后用 PSNR 量化前后差距。

cv2.ellipse(...)在空白画布上画一个肤色椭圆当人脸，再画眼睛和嘴，生成一张“干净底片”。
small = cv2.resize(...)按 scale=4 缩小，模拟低分辨率退化；紧接着高斯模糊和加噪，对应“失焦 + 颗粒”。
np.random.normal(0, noise, ...)生成高斯随机噪声叠加到图上，模拟胶片颗粒和传感器热噪。
cv2.resize(img, (w * 4, h * 4), INTER_CUBIC)双三次插值放大，是修复的第一步“把像素撑回去”。
cv2.fastNlMeansDenoisingColored(...)非局部均值去噪，抹掉噪点同时尽量保留边缘细节。
cv2.addWeighted(denoised, 1.8, blur, -0.8, 0)反锐化掩膜（Unsharp Mask），把模糊图当“负片”叠加回去，增强边缘，让脸更清晰。
psnr(clean, good)计算修复结果相对原图的 PSNR，验证修复确实比退化图更接近原貌。

常见误区

误区AI 人脸修复不就是高级放大镜吗？我用 PS 把照片放大几倍，再锐化一下，效果也差不多。

正解放大（插值）只是“填像素”，并没有创造出新的高频信息；而真正的人脸修复是生成式补全——模型依据人脸先验“脑补”出眉毛、纹理、皮肤细节。好比张师傅不是把照片吹大，而是照着人脸图鉴把五官重新画出来。

为何常见：人眼看到“图变大了、看着清楚了”，容易把超分和修复混为一谈，忽略了背后的生成机制。

误区修复出来的照片就是当年的真实样子，AI 能把丢失的细节 100% 找回来。

正解退化过程丢掉了大量信息，AI 是根据大数据统计出的“人脸长什么样”去猜细节，结果可能被美化、被“换脸式”修正，甚至改变身份特征。修复是“合理推测”而非“考古复原”。

为何常见：生成模型造出来的脸太像真的，让人误以为那就是历史真相，忽略了病态逆问题的本质。

误区选模型只看 PSNR 分数，谁高选谁，指标不会骗人。

正解PSNR 只衡量逐像素误差，对纹理和感知质量“不敏感”。一张平滑发虚的图 PSNR 可能很高，人眼却觉得“糊”。要结合 SSIM、FID、NIQE 甚至人眼主观评价，才能全面判断。

为何常见：PSNR 计算简单、历史悠久、教程里出现频率最高，容易被当成唯一权威。

误区网上看到 GFP-GAN 效果惊艳，于是拿它修所有照片，包括严重压缩的、整张泛黄的。

正解不同退化类型适合不同工具：重度模糊人脸用 CodeFormer 更稳，整图超分用 Real-ESRGAN，人脸特写追求好看才用 GFP-GAN。不分诊就开药，效果往往翻车。

为何常见：工具 Demo 展示的都是自家最擅长的场景，容易让人以为模型是万能的。

误区视频不就是很多张图片吗？把每一帧拿去修复，拼回去就是修复好的视频。

正解逐帧独立处理会导致时间上的不一致——人物五官在相邻帧之间“跳动”，出现闪烁感。视频修复需要引入时序一致性损失、光流对齐等约束，让帧间变化平滑自然。

为何常见：单图修复效果好，让人忽略了时间维度这个视频特有的复杂度。

面试题

Q1. AI人脸修复的核心任务是什么？

单选题 · easy

A.把图片文件压缩得更小
B.生成清晰逼真的人脸← 正确答案
C.给照片重新上色翻新
D.检测图片中的人脸位置

答案：B。人脸修复的目标是从退化图中生成既清晰又逼真的人脸。压缩是存储优化，上色是色彩恢复，检测只是辅助步骤，都不是核心任务。好比张师傅的终极目标是让人脸重新像“一张真实的脸”，而不是把照片存小一点。

Q2. 下列哪一项不属于常见的人脸图像退化？

单选题 · easy

A.高斯模糊导致的细节丢失
B.传感器引入的随机噪点
C.分辨率降低带来的马赛克
D.增加图像的对比度与饱和度← 正确答案

答案：D。模糊、噪声、低分辨率是典型退化；增加对比度与饱和度属于后期调色处理，不是损坏过程。就像张师傅的分诊表上记着磨花、噪点、马赛克，但绝不会写“滤镜太重”这一栏。

Q3. GFP-GAN 通过哪种机制保持修复后的人脸身份不漂移？

单选题 · mid

A.简单双三次插值放大照片
B.高精度人脸识别特征约束← 正确答案
C.随机撒高斯噪声再去除
D.把图像切成小块独立拼接

答案：B。GFP-GAN 在损失中加入了预训练人脸识别网络提取的身份特征约束（L_id），让修复结果的“身份向量”和原图保持一致。插值放大与身份无关，加噪去噪是扩散模型的思路，分块拼接主要解决大图显存问题。

Q4. 关于 PSNR 指标，下列说法正确的是？

单选题 · mid

A.值越高代表修复图越逼真
B.值的高低与人眼观感无关
C.值越高像素误差通常越小← 正确答案
D.值越高人脸纹理越丰富

答案：C。PSNR 由 MSE 推导而来，值越高通常代表逐像素误差越小。但它并不保证人眼看着更逼真——平滑发虚的图也可能拿到高分。A 把 PSNR 与“逼真”划等号、D 把高分等同于纹理丰富，都是典型误解。

Q5. CodeFormer 采用哪种先验来约束修复结果？

单选题 · hard

A.离散码本中的人脸先验知识← 正确答案
B.手工设计的边缘检测算子
C.传统图像金字塔上采样
D.视频帧间的稠密光流信息

答案：A。CodeFormer 的核心是学习一个离散“人脸码本”，把退化图编码后映射到码本中最接近的真实人脸词条，再解码输出。这相当于张师傅那本“人脸词典”：遇到模糊脸先查词条，再照着写。

Q6. 用 FID 评估修复效果时，数值越小说明什么？

单选题 · mid

A.生成图与真实图的分布距离越近← 正确答案
B.生成图像的分辨率级别一定越高
C.生成图像文件的体积也会越小
D.生成图像的灰度直方图一定越平

答案：A。FID 衡量真实图像集与生成图像集在特征空间的分布距离，越小代表两组图像越接近、越难分辨。它不直接度量分辨率、文件大小或直方图。好比两群人的“长相分布”越像，路人越难分辨真假。

Q7. 修复一张损坏老照片时，正确的第一步通常是？

单选题 · easy

A.直接送去模型里放大四倍处理
B.检测并对齐照片中的人脸区域← 正确答案
C.先把彩色照片转成黑白灰度图
D.随便挑一个生成模型就开始跑

答案：B。标准流程是先做人脸检测与对齐，把脸摆正到统一模板，修复模型才能稳定发挥。直接放大、转灰度、随机选模型都是“没看伤就开药”，违背张师傅“先分诊”的规矩。

Q8. 下列属于无参考质量评估的指标有哪些？

多选题 · mid

A.NIQE 无参考自然度评分← 正确答案
B.PSNR 峰值信噪比指标
C.SSIM 结构相似度指标
D.BRISQUE 无参考图像评分← 正确答案

答案：AD。NIQE 和 BRISQUE 不需要原始清晰图，直接对单张图评估自然度，适合老照片这种“没有原图可对比”的场景；PSNR 和 SSIM 都必须有参考图才能计算，属于全参考指标。

Q9. 关于扩散模型用于图像修复，下列说法正确的有？

多选题 · hard

A.从随机噪声逐步去噪得到图像← 正确答案
B.一次性卷积完成全部去模糊
C.可结合模糊人脸作为条件引导← 正确答案
D.仅能处理低分辨率这一种退化

答案：AC。扩散模型的核心是前向逐步加噪、反向逐步去噪，并且可以通过条件输入（如模糊人脸）引导生成方向，所以 A、C 正确。它不是一次性卷积输出，也不局限于低分辨率这一种退化。

Q10. 视频人脸修复中，为解决逐帧处理引起的闪烁问题，常用方案包括？

多选题 · extreme

A.引入时序一致性损失约束帧间稳定← 正确答案
B.利用相邻帧信息进行对齐与融合← 正确答案
C.用光流约束特征点在帧间运动← 正确答案
D.每帧使用不同的随机种子独立生成

答案：ABC。视频修复需要在损失中加入时序一致性项，利用相邻帧信息对齐融合，并用光流约束运动轨迹，从而让帧间变化平滑。逐帧用不同随机种子独立生成会加剧闪烁，是典型的错误做法。