%20(1).png)
facerestore_cf 插件 - 保姆级图文教程
1. 插件简介
插件地址： https://github.com/mav-rik/facerestore_cf
这个插件就像一个专业的"人脸美容师"。你可以把它想象成一个神奇的修复工具，专门用来修复照片中模糊、破损或者质量不好的人脸。就像老照片修复师能把泛黄破损的老照片修复成清晰的新照片一样，这个插件能把AI生成的模糊人脸或者低质量照片中的人脸变得清晰、自然。
这个插件能给我们带来什么效果：
- 👤 人脸修复大师：把模糊、扭曲的人脸修复成清晰自然的样子
- 🔍 智能人脸检测器：自动找到图片中的所有人脸，不需要手动框选
- ✂️ 人脸裁剪器：能把人脸从图片中单独"剪"出来
- 🎨 质量控制器：可以调节修复的强度，在自然度和清晰度之间找平衡
- 🔧 多模型支持器：支持不同的修复模型，每种都有不同的特色
- 📐 尺寸适配器：修复后的人脸会自动适配原图的尺寸
就像有一个专业的照片修复师，能够识别照片中的人脸问题并进行精准修复，让每张照片中的人物都看起来更加清晰自然。
2. 如何安装
方法一：Git 命令安装（推荐）
cd ComfyUI/custom_nodes
git clone https://github.com/mav-rik/facerestore_cf.git
方法二：手动下载
- 打开插件地址：https://github.com/mav-rik/facerestore_cf
- 点击绿色的 "Code" 按钮
- 选择 "Download ZIP"
- 解压下载的文件
- 把解压后的文件夹复制到
ComfyUI/custom_nodes/目录下
安装依赖
根据你的系统选择对应的安装脚本：
- Windows 便携版：运行
embedded_install.bat - Windows 标准版：运行
install.bat - Linux/Mac：运行
install.sh - Python 3.12+：使用
requirements_312.txt
下载必需的模型文件
人脸修复模型（放在 models/facerestore_models/ 文件夹）
- GFPGAN 模型：https://github.com/TencentARC/GFPGAN/releases/download/v1.3.4/GFPGANv1.4.pth
- CodeFormer 模型：https://github.com/sczhou/CodeFormer/releases/download/v0.1.0/codeformer.pth
人脸检测模型（会自动下载到 models/facedetection/ 文件夹）
- RetinaFace ResNet50
- RetinaFace Mobile
- YOLOv5l Face
- YOLOv5n Face
3. 节点详细解析
3.1 FaceRestoreCFWithModel 节点
这个节点是干嘛的？
这个节点就像一个"人脸修复工作站"。你可以把它想象成一个智能的美容师，它会先用"放大镜"（人脸检测）找到图片中的所有人脸，然后用"修复工具"（修复模型）把每个人脸都修复得更清晰、更自然，最后再把修复好的人脸"贴"回原图的相应位置。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| facerestore_model | facerestore_model | FACERESTORE_MODEL | 加载的模型 | 这是你的"修复工具"，不同工具有不同的修复效果 | 人脸修复模型 | 连接FaceRestoreModelLoader节点的输出 |
| image | image | IMAGE类型 | 待修复图片 | 这是要"治疗"的"病人"，就是需要修复人脸的图片 | 输入图像数据 | 连接包含人脸的图片 |
| facedetection | facedetection | 选择列表 | retinaface_resnet50 | 这是"人脸探测器"，用来找到图片中的人脸位置 | 人脸检测算法选择 | retinaface_resnet50精度高，mobile版本速度快 |
| codeformer_fidelity | codeformer_fidelity | 浮点数 | 0.5 | 这是"修复强度调节器"，控制修复的程度 | CodeFormer保真度参数 | 0.0修复最强但可能不自然，1.0最自然但修复较少 |
3.2 CropFace 节点
这个节点是干嘛的？
这个节点就像一个"人脸裁剪师"。你可以把它想象成一个专门用剪刀把人脸从照片中"剪"出来的工具。它会自动找到图片中的所有人脸，然后把每个人脸都单独"剪"成一张512x512像素的小图片，就像制作证件照一样。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| image | image | IMAGE类型 | 原始图片 | 这是要"剪切"的原材料，包含人脸的完整图片 | 输入图像数据 | 连接包含一个或多个人脸的图片 |
| facedetection | facedetection | 选择列表 | retinaface_resnet50 | 这是"人脸定位器"，用来准确找到每个人脸的位置 | 人脸检测算法选择 | retinaface_resnet50检测最准确，YOLOv5n速度最快 |
3.3 FaceRestoreModelLoader 节点
这个节点是干嘛的？
这个节点就像一个"工具箱管理员"。你可以把它想象成一个存放各种修复工具的工具箱，你可以从中选择一个特定的工具（修复模型）来使用。不同的工具有不同的特长，有的擅长修复细节，有的擅长保持自然度。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| model_name | model_name | 选择列表 | 可用模型 | 这是"工具选择器"，从工具箱中选择一个修复工具 | 人脸修复模型文件选择 | 选择codeformer.pth或GFPGANv1.4.pth等 |
4. 使用技巧和建议
4.1 模型选择建议
- CodeFormer：适合修复严重损坏的人脸，可调节保真度
- GFPGAN：适合一般的人脸增强，效果自然
- 选择原则：CodeFormer适合低质量图片，GFPGAN适合轻微增强
4.2 人脸检测器选择
- retinaface_resnet50：精度最高，适合重要项目
- retinaface_mobile0.25：速度快，适合批量处理
- YOLOv5l：平衡精度和速度
- YOLOv5n：最快速度，适合实时处理
4.3 CodeFormer 保真度调节
- 0.0-0.3：强修复，适合严重损坏的人脸
- 0.4-0.6：平衡修复，适合一般情况
- 0.7-1.0：轻微修复，保持原始特征
4.4 工作流程建议
- 单人脸修复：图片 → FaceRestoreModelLoader → FaceRestoreCFWithModel
- 多人脸处理：先用CropFace检查人脸数量，再进行修复
- 批量处理：使用较快的检测器和适中的保真度设置
4.5 质量优化技巧
- 输入图片质量：确保输入图片分辨率足够，人脸清晰可见
- 参数调节：根据输入图片质量调整保真度参数
- 后处理：修复后可以进一步使用其他增强节点
5. 常见问题解答
Q1：为什么检测不到人脸？
A： 可能的原因和解决方案：
- 人脸太小或太模糊，尝试放大图片
- 人脸角度过大，使用更强的检测器如retinaface_resnet50
- 图片质量太低，先进行图片增强
- 尝试不同的人脸检测器
Q2：修复后的人脸看起来不自然怎么办？
A： 调整建议：
- 提高codeformer_fidelity值到0.7-0.9
- 尝试使用GFPGAN模型
- 检查输入图片是否过度压缩
- 考虑使用更温和的修复设置
Q3：处理速度很慢怎么办？
A： 优化方法：
- 使用mobile版本的检测器
- 选择YOLOv5n检测器
- 减小输入图片尺寸
- 确保有足够的显存
Q4：修复后人脸位置不对？
A： 检查方法：
- 确认使用了正确的检测器
- 检查原图中人脸是否清晰
- 尝试不同的检测器
- 确保人脸没有被遮挡
Q5：如何处理多个人脸的图片？
A： 处理策略：
- 插件会自动检测和修复所有人脸
- 使用CropFace节点预览检测结果
- 确保每个人脸都足够清晰
- 可能需要更多的处理时间
6. 实际应用场景
6.1 AI生成图片修复
修复AI生成的人物图片中的面部缺陷，提高图片质量。
6.2 老照片修复
修复老旧照片中模糊或损坏的人脸部分。
6.3 低质量图片增强
提升手机拍摄或网络图片中人脸的清晰度。
6.4 批量人像处理
对大量人像照片进行统一的质量提升处理。
6.5 视频帧修复
对视频中的关键帧进行人脸修复处理。
7. 高级使用技巧
7.1 模型组合使用
- 先用CodeFormer进行基础修复
- 再用GFPGAN进行细节增强
- 根据效果选择最佳组合
7.2 参数优化策略
- 根据输入图片质量调整参数
- 为不同类型的图片建立参数模板
- 记录最佳参数组合供后续使用
7.3 工作流程优化
- 建立标准的修复流程
- 使用预设参数提高效率
- 结合其他增强节点获得更好效果
7.4 质量控制方法
- 对比修复前后的效果
- 根据用途选择合适的修复强度
- 保存原图备份以便对比
8. 模型详细说明
8.1 CodeFormer 模型
- 特点：可调节保真度，适合严重损坏修复
- 优势：修复能力强，效果可控
- 适用：低质量图片，严重变形的人脸
8.2 GFPGAN 模型
- 特点：修复效果自然，细节保持好
- 优势：处理速度快，效果稳定
- 适用：一般质量图片，轻微增强需求
8.3 检测器对比
- RetinaFace：精度高，适合复杂场景
- YOLOv5：速度快，适合批量处理
- 选择建议：根据精度和速度需求选择
总结： facerestore_cf 插件是一个专业的人脸修复工具，通过智能的人脸检测和先进的修复算法，能够显著提升图片中人脸的质量。掌握不同模型和参数的特点，可以针对不同类型的图片获得最佳的修复效果。
注意事项： 使用前需要下载相应的模型文件，确保有足够的显存进行处理。对于重要图片，建议先进行小范围测试，确定最佳参数后再进行批量处理。
推荐搭配： 可以与图片放大、降噪等其他增强节点组合使用，获得更全面的图片质量提升效果。