# 抽屉里的糊脸老照片，还有救 ## 本期思路 前几轮我们挖了 AI 编程、量化、语音、SDR 这些硬核赛道，本期换个方向——**家庭影像抢救**。每个人家里都有一盒发霉的录像带、一本发黄的相册、一沓卷边的旧信件，而「把爸妈的婚礼录像转成高清」是少数愿意真金白银付费的民间需求：淘宝修一张老照片 30-100 元，海外 VHS 转数字服务按带收费、一盘 20-30 美元。这期 8 个仓库正好拼成一条完整流水线：**糊脸修复 → 黑白上色 → 视频放大 → 磁带软件解码 → 纸质扫描归档**。既有数万星的爆款基建，也有几百星、圈内人才知道的硬核小仓库。 --- ## 1. TencentARC/GFPGAN [github.com/TencentARC/GFPGAN](https://github.com/TencentARC/GFPGAN) | 数万星量级（爆款，以仓库页实时数据为准） **一句话定位：老照片修复界的“水电煤”——专治糊脸。** 老照片最常见的伤不是褪色，是**脸糊了**。GFPGAN 由腾讯 ARC 实验室开源，思路是用预训练 GAN 里学到的“人脸先验”把五官重建回来，v1.4 版本重点修了身份偏移问题——修完还是那个人，而不是换脸。它最大的价值是**被集成得无处不在**：Hugging Face Space 上能免费试用，Replicate 上一键调用，大量在线“老照片修复”小程序背后就是它。 - **核心拆解**：`pip install gfpgan` 后一条命令可批量处理整个文件夹；内置人脸检测-对齐-修复-贴回四段流水线，只动人脸区域、不破坏背景。 - **上手难度**：⭐⭐（有现成在线 Demo，本地部署也有便携版） - **适用人群**：想接单修图的个人玩家、做小程序套壳的独立开发者。 - **变现提示**：商用前务必查 License 及模型授权条款——同类修复模型不少标注非商用许可，别踩坑。 ## 2. microsoft/Bringing-Old-Photos-Back-to-Life [github.com/microsoft/Bringing-Old-Photos-Back-to-Life](https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life) | 万星量级 **一句话定位：微软 CVPR 论文官方实现，专治“划痕+褪色”复合型重伤。** GFPGAN 治糊脸，但对**折痕、白斑、划痕**这种结构性损伤无能为力——这正是这个项目的舞台。它把划痕检测建模成部分卷积修补问题，走“全局修复（划痕+退化）→ 人脸增强 → 上色”的三段流水线，对被对折过、掉过皮的老照片效果惊人。据仓库主页，项目本身已多年不大更新，属于“一次性重武器”：环境配好、权重下载好，一批照片跑完就可以收工。 - **核心拆解**：主分支提供 `main.py` 一键推理，人脸增强部分直接调 GFPGAN，两个项目天然互补。 - **上手难度**：⭐⭐⭐⭐（依赖较老、权重需手动下载，建议直接用其在线 Demo 或 Colab） - **适用人群**：有批量修复需求、愿意折腾环境的技术型修图师。 ## 3. jantic/DeOldify [github.com/jantic/DeOldify](https://github.com/jantic/DeOldify) | 两万星量级 **一句话定位：黑白照片上色的祖师爷级开源项目。** 2018 年开源至今仍是上色领域的公共底座，独创的 NoGAN 训练法让上色又快又稳。据其项目页与社区报道， genealogy 平台 MyHeritage 的照片动态化功能就基于它的技术合作。提供三档模型：**artistic**（色彩浓烈、艺术性强）、**stable**（稳，适合人像）、**video**（视频逐帧上色），视频档可以直接在 Colab 里跑。 - **核心拆解**：基于 FastAI 框架，本地部署需要配 Python 环境；不想折腾就走官方 Colab 或各家在线部署版。 - **上手难度**：⭐⭐⭐ - **适用人群**：家谱数字化从业者、历史影像爱好者。 - **变现思路**：上色 + 修复打包成“老照片焕新”套餐，是修图接单平台上验证过的成熟品类。 ## 4. sczhou/CodeFormer [github.com/sczhou/CodeFormer](https://github.com/sczhou/CodeFormer) | 万星量级以上 **一句话定位：烂到马赛克级的脸，也能查“字典”拼回来。** 南洋理工 NeurIPS 2022 论文官方仓库，思路清奇：先离线学一本“人脸零件码本”，修复时把烂脸当成查询，从字典里检索最像的零件拼装——所以对重度模糊、低分辨率小脸特别稳，比直接回归像素的方法抗造得多。输出端有一个**保真度-质量滑杆（w 参数）**：调低偏“好看”，调高偏“像本人”，接单时这个旋钮就是客户满意度开关。 - **核心拆解**：除人脸修复外还附带人脸**上色**和补全分支；已作为后处理插件被大量集成进 Stable Diffusion 生态和视频修复工具链。 - **上手难度**：⭐⭐⭐（有 Gradio 在线 Demo，本地跑需要 GPU） - **注意**：据仓库说明采用 S-Lab License，**非商用**，商用场景需另行考虑授权。 ## 5. k4yt3x/video2x [github.com/k4yt3x/video2x](https://github.com/k4yt3x/video2x) | 万星量级 **一句话定位：把 480p 家庭 DV 录像拉到 1080p 的主力工具。** 照片好修，**视频**才是家庭记忆的大头——2000 年代的双 DV、手机录像普遍只有标清。video2x 是视频超分批处理前端，底层封装 Real-ESRGAN、Real-CUGAN 等引擎，v6 版本用 C++ 重写核心（libvideo2x），CLI 与 GUI 双形态，Windows/Linux 双平台。 - **核心拆解**：Windows 下下载打包好的可执行文件即可用；支持设置输出分辨率、逐帧超分后重新合成，配合 ffmpeg 转码一步到位。 - **上手难度**：⭐⭐（有 GUI，但大视频很吃显卡和时间） - **适用人群**：想把整柜录像带数字化的家庭船长；接“VHS 转数字”活的本地服务商。 ## 6. upscayl/upscayl [github.com/upscayl/upscayl](https://github.com/upscayl/upscayl) | 数万星量级（长期霸榜 Trending 的热门款） **一句话定位：开源版 Topaz Gigapixel，双击安装、拖进去就修。** 本期**最即装即用**的一个：Electron + NCNN/Vulkan 的桌面应用，Linux/macOS/Windows 全平台，不需要装 Python、不需要配显卡环境（Vulkan 兼容大部分独显和核显）。内置照片、动漫、重绘等多档模型，支持批量、支持 2x/3x/4x 放大，还能挂自己拖进去的自定义模型。对不想碰命令行的普通家庭成员极其友好——**这是唯一一个可以放心发给爸妈自己用的**。 - **核心拆解**：底层同样是 Real-ESRGAN 系模型，用 Vulkan 推理绕开 CUDA 依赖，这让它成了 Linux 桌面上几乎没有对手的超分方案。 - **上手难度**：⭐ - **变现思路**：作为你修复工作流的“前台”，后端接 GFPGAN/CodeFormer，组合成半自动修图流水线。 ## 7. oyvindln/vhs-decode ⭐小而美 [github.com/oyvindln/vhs-decode](https://github.com/oyvindln/vhs-decode) | 数百星量级 **一句话定位：不开播放器，把磁带“读”出来——软件定义的 VCR。** 本期最硬核的宝藏。传统 VHS 转数字是“播放一遍、实时采集”，磁头一遍遍刮带子，转一次伤一次。vhs-decode 换了个思路：**从录像机磁头放大器引出原始 RF 信号**，用采集卡抓成 tap 文件，然后纯软件离线解码成视频——时基校正（TBC）、失落补偿全部在数字域完成。好处是致命的：带子只读不磨、可以反复用新版本算法重新解码、参数永远可调。它和 LaserDisc 阵营的 ld-decode 系项目同源，是磁带保存圈的公认终极方案。 - **核心拆解**：门槛在硬件——需要一台愿意牺牲的录像机、一根飞线和兼容的采集卡；解码本身命令行即可。 - **上手难度**：⭐⭐⭐⭐⭐（要动手接线，但圈内文档和 wiki 出奇完善） - **适用人群**：硬件黑客、有大量珍贵家庭带且愿意交给专业抢救服务的人。 - **被低估理由**：星数几百量级，但它是“VHS 转数字”这门生意的**技术护城河**——会 RF 解码的服务商屈指可数。 ## 8. 4lex4/scantailor-advanced ⭐小而美 [github.com/4lex4/scantailor-advanced](https://github.com/4lex4/scantailor-advanced) | 千星以下量级 **一句话定位：老相册、旧信件扫描件的“后处理车间”。** 家谱抢救的最后一步是把纸质材料扫进电脑，但扫描仪吐出来的东西总是：歪的、发灰的、书页中间一道黑阴影。ScanTailor Advanced 是原版 ScanTailor 停更后社区最活跃的分支（据社区共识），一站式搞定：自动纠偏、智能拆分左右页、去装订阴影、**曲面书页去畸变（dewarping）**、裁边加统一页边距，最后输出干净的 TIFF/PDF。古籍和家谱数字化社群里它是标准工序。 - **核心拆解**：Qt 图形界面，流程是“导入 → 每一步批量自动处理 → 逐页微调 → 导出”，几百页的相册半小时出成品。 - **上手难度**：⭐⭐⭐ - **适用人群**：家谱/地方志数字化志愿者、想把父母信件做成 PDF 礼物的人。 --- ## 本期横向对比 | 仓库 | 类型 | Star 量级 | 上手难度 | 适用场景 | |---|---|---|---|---| | GFPGAN | AI 人脸修复 | 数万星 | ⭐⭐ | 糊脸照片精修、集成到产品 | | Bringing-Old-Photos | AI 全桶修复 | 万星级 | ⭐⭐⭐⭐ | 划痕折痕重伤照片 | | DeOldify | AI 上色 | 两万星级 | ⭐⭐⭐ | 黑白照片/视频上色 | | CodeFormer | AI 人脸重建 | 万星以上 | ⭐⭐⭐ | 重度模糊小脸 | | video2x | 视频超分 | 万星级 | ⭐⭐ | 标清家庭录像放大 | | upscayl | 桌面超分应用 | 数万星 | ⭐ | 零门槛照片放大 | | vhs-decode | RF 磁带解码 | 数百星 | ⭐⭐⭐⭐⭐ | 无损抢救录像带 | | scantailor-advanced | 扫描后处理 | 千星以下 | ⭐⭐⭐ | 相册/文档数字化 | ## 全家福：一条家庭记忆抢救流水线 ```mermaid mindmap root((家庭记忆抢救流水线)) 磁带与光盘 vhs-decode RF软解码 ld-decode 激光碟同源 视频放大 video2x 批量超分 Real-ESRGAN 引擎 照片修复 GFPGAN 糊脸精修 CodeFormer 重度重建 Bringing-Old-Photos 划痕修复 上色 DeOldify 黑白焕彩 纸质归档 scantailor-advanced 扫描后处理 upscayl 成品放大 ``` ## 本期之最 - **最值得立即尝试：upscayl** —— 下载、安装、拖图、导出，全程不超过两分钟，零技术背景可用。 - **最有商业潜力：GFPGAN + CodeFormer + video2x 组合** —— 「老照片修复 + 录像带转高清」是验证过的付费品类，一套开源工具就是一家微型工作室的全部生产资料。 - **最被低估：vhs-decode** —— 数百星的星数完全配不上它的技术深度；在“磁带只读一次就永久保存数据”这件事上，它没有开源对手。 ## 参考来源 1. [TencentARC/GFPGAN](https://github.com/TencentARC/GFPGAN) — 人脸修复模型官方仓库 2. [microsoft/Bringing-Old-Photos-Back-to-Life](https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life) — CVPR 2020 老照片修复论文官方实现 3. [jantic/DeOldify](https://github.com/jantic/DeOldify) — 开源上色项目主页 4. [sczhou/CodeFormer](https://github.com/sczhou/CodeFormer) — NeurIPS 2022 码本人脸修复官方仓库 5. [k4yt3x/video2x](https://github.com/k4yt3x/video2x) / [upscayl/upscayl](https://github.com/upscayl/upscayl) / [oyvindln/vhs-decode](https://github.com/oyvindln/vhs-decode) / [4lex4/scantailor-advanced](https://github.com/4lex4/scantailor-advanced) — 本期其余项目官方仓库 *注：本文 Star 数为量级描述，具体数字与最近更新时间以各仓库页面实时数据为准。* > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。