人脸修复的保真度参数是什么？修复「像不像」就由它管
用 AI 修人脸常遇到两个抱怨：修出来的脸不像本人，或者细节多但看着假。本篇讲清控制这件事的那个参数——保真度（fidelity），它在两头怎么取舍、不同素材该给多少。
一、这个参数在平衡什么
人脸修复模型的处境有点尴尬：照片糊掉的信息已经丢了，补出来的细节本质是「合理推断」。保真度参数就是在控制推断的尺度——
- 往 0 拉（激进端）：模型放手补细节，画面干净锐利，但五官可能向「大众脸」漂移；
- 往 1 拉（保守端）：尽量贴着原图的轮廓与纹理走，像本人，但清晰度提升有限。
开源项目 CodeFormer 的在线演示对这个参数的标注很直白：「0 追求更好看，1 追求更像本人」，默认 0.5。它采用的思路是把人脸修复转成「编码查字典」：把模糊的脸翻译成一组编码，再从模型学过的海量真实人脸里找回最合理的对应，这正是它能把严重糊脸修得可信的原因。
二、不同素材的参考值
| 素材 | 参考值 | 原因 |
|---|---|---|
| 整张照片（含背景） | 0.7 | 背景经不起大幅重画，先保真 |
| 人脸特写 | 0.5（默认） | 信息量集中，默认档通常就够 |
| 严重糊脸的老照片 | 0.0 – 0.3 | 原图几乎没有细节可保，放手让模型推 |
| 视频 | 1.0 | 逐帧修复，稍激进就会前后「跳脸」 |
三、手机应用里怎么用
不少手机端应用把这个参数简化成了一个不显示数值的滑块（叫「修复深浅」之类），方向逻辑与上面一致。实操顺序建议：
- 先从中间档跑一次，看默认效果；
- 修出来不像本人 → 往保守端拉一档，重跑；
- 脸还是糊、噪点还多 → 往激进端拉一档，重跑；
- 两头都不满意 → 多半是原图质量太差，先重拍或重扫。
同一张照片多试两档再定稿，比反复纠结一档省时间。具体到 codeformer 这款安卓应用的滑块位置、批量处理与导出设置，这里有一份按步骤走的介绍可以对照操作。
四、两个常见误区
- 把「不像」当故障：滑块偏激进端时五官本来就会有出入，先调参数再怀疑工具；
- 给清晰照片强行过一遍：这类模型面向有退化的照片，清晰照片跑修复反而可能被改出奇怪纹理，出现所谓的「塑料感」。
相关阅读
- 老照片修复手机工具有哪些.md——从选工具的角度再看一遍这类应用