黑白照片上色：colorization 脚本用法和效果预期

上色脚本在哪

CodeFormer 仓库根目录有 inference_colorization.py——它不是 inference_codeformer.py 的子命令，是独立脚本。

python inference_colorization.py --input_path inputs/cropped_faces/

先决条件

• 对齐好的 512×512 人脸（--has_aligned 模式的输入）
• 预训练模型：需要从 Releases v0.1.0 下载 colorization 权重（脚本会自动下载或手动放到 weights/CodeFormer/）

基本用法

单张黑白人脸

python inference_colorization.py --input_path inputs/black_white/portrait.png

批量文件夹

python inference_colorization.py \
    --input_path inputs/black_white/ \
    --output_path results/colorized/

上色原理

colorization 模型和 face restoration 模型是两个独立的预训练权重：

• restoration：从低清彩色/灰度图恢复高清彩色
• colorization：专门给灰度图上色

colorization 模型学到了 FFHQ（高质量彩色人脸库）里的肤色和发色分布，它会：

1. 判断人脸的肤色范围（从五官几何 + 光照推断）
2. 生成匹配的肤色
3. 头发颜色根据人脸整体色调推断（黑发 / 棕发 / 金发的概率分布）

效果预期

能做好的

• ✅ 黑白人像上色（自然肤色）
• ✅ 褪色照片的颜色还原（颜色变鲜艳但不偏离）
• ✅ 统一色调（不会一张脸一半红一半黄）

做不好的

• ❌ 精准历史还原：比如"这张 1950 年的照片里衬衫到底是藏蓝还是墨绿？"——模型不知道，只能按最常见的配色猜
• ❌ 背景上色：colorization 脚本只处理人脸区域，背景保持原样
• ❌ 多人合照：需要先把每张脸单独裁出来分别上色
• ❌ 非人脸物体：照片里的衣服、墙壁、风景都不管

推荐工作流

老照片上色通常分两步：

第一步：人脸上色

# 1. 裁脸对齐
python scripts/crop_align_face.py -i inputs/old_photos -o inputs/faces_bw

# 2. 人脸上色
python inference_colorization.py --input_path inputs/faces_bw --output_path results/faces_color

# 3. 人脸修复
python inference_codeformer.py -w 0.7 --has_aligned \
    --input_path results/faces_color --output_path results/faces_fixed

第二步：整体上色（可选）

背景和非人脸区域的上色，用专门的整图上色模型（如 DeOldify、Bringing-Old-Photos-Back-to-Life）。CodeFormer 不管这部分。

第三步：贴回原图

# 你需要自己把处理好的彩色脸贴回原老照片
# 用 Photoshop / GIMP 的修复画笔

这一步没有自动化脚本，因为背景上色和人脸贴回需要人工判断。

参数

上色脚本没有 w 权重、没有背景增强、没有上采样——因为上色任务不需要保真度权衡。

和其他上色工具对比

CodeFormer 的定位是老照片修复流程中的"人脸上色"环节，不是独立的整图上色器。