GPEN模型输入输出规范说明：文件格式与分辨率要求
本镜像基于GPEN人像修复增强模型构建，预装了完整的深度学习开发环境，集成了推理及评估所需的所有依赖，开箱即用。
1. 镜像环境说明
| 组件 | 版本 |
|---|---|
| 核心框架 | PyTorch 2.5.0 |
| CUDA 版本 | 12.4 |
| Python 版本 | 3.11 |
| 推理代码位置 | /root/GPEN |
主要依赖库：
facexlib: 用于人脸检测与对齐basicsr: 基础超分框架支持opencv-python,numpy<2.0,datasets==2.21.0,pyarrow==12.0.1sortedcontainers,addict,yapf
2. 快速上手
2.1 激活环境
在使用GPEN模型前，请先激活对应的Conda环境：
conda activate torch25该环境已预配置好所有必要的Python包和CUDA驱动支持，确保推理过程稳定运行。
2.2 模型推理 (Inference)
进入模型主目录并调用推理脚本：
cd /root/GPEN推理命令示例
GPEN提供灵活的命令行接口，支持多种输入输出方式。以下是典型使用场景：
# 场景 1：运行默认测试图 # 输出将保存为: output_Solvay_conference_1927.png python inference_gpen.py此命令会加载内置测试图像Solvay_conference_1927.jpg并执行人像增强处理。
# 场景 2：修复自定义图片 # 输出将保存为: output_my_photo.jpg python inference_gpen.py --input ./my_photo.jpg用户可将待处理图像上传至容器，并通过--input参数指定路径。
# 场景 3：直接指定输出文件名 # 输出将保存为: custom_name.png python inference_gpen.py -i test.jpg -o custom_name.png支持使用-i（或--input）和-o（或--output）参数分别设置输入源与输出目标。
注意：所有输出结果默认保存在项目根目录下，文件名以
output_开头或由用户显式指定。
3. 输入文件格式要求
为了保证GPEN模型能够正确解析并高效处理输入图像，需遵循以下输入规范。
3.1 支持的图像格式
GPEN目前支持以下常见无损/有损压缩格式：
.jpg/.jpeg（推荐）.png.bmp.tiff（部分高位深图像可能需要额外转换）
OpenCV作为底层图像读取引擎，理论上支持其兼容的所有格式，但建议优先使用.jpg或.png格式以避免兼容性问题。
3.2 图像内容要求
- 必须包含清晰可识别的人脸区域：GPEN专为人像设计，对非人脸图像效果不佳。
- 建议人脸占据画面比例不低于1/4：过小的人脸可能导致细节恢复不完整。
- 避免严重遮挡或极端姿态：如侧脸角度超过60°、戴墨镜、口罩覆盖等会影响对齐与重建质量。
3.3 分辨率建议与限制
GPEN支持多尺度推理，但不同分辨率对应不同的处理策略和性能表现。
| 分辨率范围 | 处理模式 | 是否推荐 | 说明 |
|---|---|---|---|
| < 256x256 | 上采样后处理 | ⚠️ 不推荐 | 图像太小导致信息缺失，修复效果有限 |
| 256x256 ~ 512x512 | 直接高保真增强 | ✅ 强烈推荐 | 最佳平衡点，细节丰富且速度较快 |
| 512x512 ~ 1024x1024 | 分块融合增强 | ✅ 推荐 | 自动分块处理，适合高清证件照或艺术写真 |
| > 1024x1024 | 分块+降采样预处理 | ⚠️ 谨慎使用 | 可能引入拼接伪影，建议裁剪后再处理 |
实际操作建议
对于超高分辨率图像（如4K照片），建议先进行中心裁剪或人脸区域提取，再送入模型处理，以提升效率和一致性。
4. 输出结果规范
4.1 默认输出行为
若未指定-o参数，系统将自动生成输出文件名，规则如下：
output_{原文件名}.{扩展名}例如：
- 输入
portrait.jpg→ 输出output_portrait.jpg - 输入
family.png→ 输出output_family.png
4.2 输出图像格式
输出格式默认与输入保持一致。若输入为.jpg，则输出也为.jpg；若输入为.png，则保留PNG无损特性。
提示：若希望强制输出为特定格式，可在调用脚本前手动更改输出文件扩展名，如：
python inference_gpen.py -i input.jpg -o result.png
此时即使输入是JPG，输出也将保存为PNG格式。
4.3 输出分辨率说明
GPEN的输出分辨率取决于输入尺寸和所选模型版本：
| 模型版本 | 放大倍数 | 典型输出分辨率 |
|---|---|---|
| GPEN-256 | ×1 | 256×256 |
| GPEN-512 | ×1 | 512×512 |
| GPEN-1024 | ×2 | 1024×1024（基于512输入） |
实际输出尺寸遵循“输入决定基准，模型决定增强能力”的原则。例如：
- 输入 400×400 → 使用GPEN-512模型 → 自动缩放到512×512进行增强
- 输入 800×800 → 使用GPEN-1024模型 → 分块处理后合并为约1600×1600高清图像
5. 已包含权重文件
为保障离线可用性和快速部署，镜像内已预下载并缓存全部必要模型权重。
5.1 权重存储路径
所有模型文件均通过ModelScope平台自动加载，缓存于以下路径：
~/.cache/modelscope/hub/iic/cv_gpen_image-portrait-enhancement包含组件：
- Generator (G)：主生成网络，负责纹理重建与细节增强
- Face Detection Model：基于RetinaFace的人脸检测器
- Landmark Alignment Model：68点关键点定位模块，用于精准对齐
5.2 离线推理保障
即使在网络受限环境下，只要首次运行过推理脚本，后续无需联网即可完成全部处理任务。
警告：请勿删除
~/.cache/modelscope目录，否则下次运行时将重新下载（约1.2GB）。
6. 常见问题
6.1 如何准备训练数据？
GPEN采用监督式训练方式，需成对的高质量（HQ）与低质量（LQ）人像图像。
推荐构建流程：
- 使用FFHQ等公开高清人脸数据集作为HQ源
- 应用BSRGAN、RealESRGAN等退化模型生成对应的LQ图像
- 按照
{dataset}/hq/*.jpg和{dataset}/lq/*.jpg结构组织数据集
6.2 训练配置建议
若需微调模型，建议从以下参数入手：
# train_config.yaml 示例片段 resolution: 512 batch_size: 8 lr_g: 0.0001 # 生成器学习率 lr_d: 0.00005 # 判别器学习率 total_epochs: 200训练脚本位于/root/GPEN/train.py，可通过修改配置文件启动训练任务。
6.3 性能优化技巧
- GPU显存不足？：降低批量大小或启用
--tile模式进行分块推理 - 输出有拼接痕迹？：增加重叠区域（tile_overlap），建议设为64~128像素
- 人脸偏移？：检查是否启用了
--aligned参数（适用于已对齐图像）
7. 参考资料
- 官方仓库：yangxy/GPEN
- 魔搭社区地址：iic/cv_gpen_image-portrait-enhancement
8. 引用 (Citation)
@inproceedings{yang2021gpen, title={GAN-Prior Based Null-Space Learning for Consistent Super-Resolution}, author={Yang, Tao and Ren, Peiran and Xie, Xuansong and Zhang, Lei}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)}, year={2021} }获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
