GPEN 与 Stable Diffusion 风格化修复能力深度对比
你有没有遇到过这样的问题：老照片模糊不清，想修复却总觉得'修完还是不像'？或者用 AI 修图后人脸变得太光滑、五官失真，失去了原本的个性特征？这背后其实涉及两种主流人像增强技术路线——专用模型 vs 通用生成模型。今天我们就来深入对比两个代表性方案：GPEN 和 Stable Diffusion（SD）在图像修复任务中的风格化表现差异。
GPEN 是专为人脸设计的超分辨率增强模型，强调真实感与结构一致性；而 Stable Diffusion 作为强大的文生图框架，也能通过 LoRA 微调实现人脸修复，但走的是'先破坏再重建'的生成路径。它们到底谁更适合做老照片修复？谁更能保留人物神韵？我们从原理、效果和适用场景三个维度展开实测分析。
1. 技术路线本质差异
1.1 GPEN：基于 GAN 先验的零空间学习
GPEN 全称是 GAN-Prior based Null-Space Learning，它的核心思想不是从头生成像素，而是利用预训练 GAN 的隐空间先验知识，在不改变原始身份特征的前提下进行细节增强。
它把图像分解为两个部分：
- 可恢复空间（Null Space）：低频结构信息，如人脸轮廓、五官位置
- 不可恢复空间（Range Space）：高频纹理细节，如皮肤质感、发丝、胡须等
修复过程就是在保持前者不变的基础上，用 GAN 生成器填充后者，从而实现'既清晰又像本人'的效果。
这种机制决定了 GPEN 的优势在于：
- 严格保留原始姿态、表情和身份特征
- 输出结果高度稳定，不会出现'换脸'现象
- 对低质量输入容忍度高，适合老旧模糊照片
1.2 Stable Diffusion：基于扩散模型的重建式修复
Stable Diffusion 的做法完全不同。它是先把图像加噪到完全随机状态，然后一步步去噪还原。在这个过程中，模型会根据文本提示或训练数据中的模式'脑补'缺失内容。
当用于人脸修复时，通常采用以下方式之一：
- 使用 ControlNet 控制姿态
- 微调 LoRA 适配特定人物特征
- 结合 CodeFormer 或 GFPGAN 作为后处理
但由于其本质是'重建'，所以容易出现：
- 面部结构轻微偏移（比如眼睛变大、鼻子变挺）
- 发型、胡须等细节被理想化
- 多次推理结果不一致
换句话说，SD 更像是一个艺术家，追求美感；而 GPEN 更像一个修复师，追求真实。
2. 实际修复效果对比
为了直观展示两者的差异，我们选取了一张典型的低清黑白老照片作为测试样本（分辨率约 120×150），分别使用 GPEN 镜像和一套微调过的 Stable Diffusion 流程进行处理。
2.1 输入原图特点分析
这张照片存在典型的老片问题：
- 分辨率极低，面部缺乏有效像素
- 边缘模糊，五官边界不清
- 光照不均，一侧脸部阴影严重
- 黑白成像，无色彩信息
这类图像对任何修复模型都是挑战，尤其考验对人脸结构的理解能力和细节补全逻辑。
2.2 GPEN 修复结果解析
运行如下命令即可完成推理：
python inference_gpen.py --input ./old_photo.jpg
输出结果如下所示（节选关键区域）：
