w 值工作原理：为什么小 w 更漂亮、大 w 更像本人

先回顾模型结构

CodeFormer 推理时的三条信息流：

低清人脸 → Encoder → 特征 → Transformer → 预测 Codebook token → Decoder → 输出
                                    ↓                         ↑
                                    │                         │
                                    └── 残差连接（权重 w） ────┘

• Transformer + Codebook token 路径：从 Codebook 里找最匹配的视觉原子组合，画出一张"最像真的人脸"
• 残差连接：把原图编码的特征也喂给解码器，让输出保留原图的形状、肤色、纹理
• w 值是残差连接的流量开关，控制两条路径的融合比例

w = 0：纯 Codebook 重建

python inference_codeformer.py -w 0 --input_path face.jpg

• 残差连接完全关闭（w=0 意味着这条路径对输出贡献为 0）
• 解码器只看 Codebook token 序列，不看原图编码的任何特征
• 输出 = Codebook 里最匹配原图 token 的"理想版人脸"

视觉特征

• 皮肤光滑细腻（Codebook 里都是高质量皮肤纹理）
• 眼睛对称、反光自然
• 可能改掉原图的独特特征：痣、小疤痕、不对称的眼型
• 看起来像"AI 修过"但很干净

什么时候用

• AI 生图后处理（本来就不是真人，不存在"改人"问题）
• 你觉得原图已经"不像本人"了（比如模糊到已经认不出，改一改反而更好看）
• 只想要一张好看的头像

w = 1：最大身份保真

python inference_codeformer.py -w 1 --input_path face.jpg

• 残差连接完全打开，解码器融合全部原图特征
• Codebook token 仍然参与，但原图特征的权重大大提升
• 输出 = 原图的高清版本 + Codebook 提供的细节补充

视觉特征

• 原图的一切细节都保留：痣、疤痕、毛孔、不对称
• 眼睛形状、脸型、肤色和原图高度一致
• 但原图的噪点、模糊、压缩伪影也会被一起保留（因为这些"特征"也走残差连接）
• 看起来像"高清放大了原图"

什么时候用

• 视频逐帧处理（保证同一人前后帧长相一致）
• 警方档案 / 身份识别（身份绝对优先）
• 你觉得 Codebook 重建"改了本人"，想保住原图的独特特征

w = 0.5（默认）

两个路径等权融合。解码器一半看 Codebook，一半看原图。通常是"两边都过得去但两边都不极端"的结果。

0 到 1 的变化是线性的

w 是标量（不是函数），从 0 到 1 的变化是线性插值——中间值就是两条路径的加权平均。

这意味着：

• w=0.6 的输出 ≈ 60% w=1 的特征 + 40% w=0 的特征
• w=0.8 的输出 ≈ 80% w=1 的特征 + 20% w=0 的特征

所以调参是连续可调的，不是只有几个档位。

实际观察：w 值在不同部位的敏感程度

CodeFormer 把脸分成几个区域，不同区域对 w 值的敏感度不同：

调 w 值的核心问题

"这张图里，'好看'和'像本人'哪个更重要？"

想清楚这个问题，选 w 值就有方向了。

• 家人长辈的老照片 → 像本人更重要 → w=0.6~0.8
• AI 生图崩坏 → 好看更重要 → w=0.2~0.4
• 自己的照片 → 看心情，今天想好看就 w 小一点
• 视频里的自己 → 视频场景"像本人"更重要 → w=1.0

注意：w 不是万能的

原图没信息，w 再大也没用

如果原图的眼睛区域完全糊了（像素块），w=1 只能保留"糊的像素块"，它不会凭空变出眼球纹理。CodeFormer 的上限是"原图能看到什么就保真什么"——原图没的，Codebook 里也没有完美对应，就只能瞎编。

w 是整张脸的同一个值

你不能指定"眼睛区域用 w=0.8、皮肤区域用 w=0.3"。如果需要区域差异化处理，要么分区域分别修、要么用其他 mask 工具配合。

快速选择表