如何设置GPEN输入尺寸？不同分辨率适配实战
本镜像基于GPEN人像修复增强模型构建，预装了完整的深度学习开发环境，集成了推理及评估所需的所有依赖，开箱即用。
1. 镜像环境说明
| 组件 | 版本 |
|---|---|
| 核心框架 | PyTorch 2.5.0 |
| CUDA 版本 | 12.4 |
| Python 版本 | 3.11 |
| 推理代码位置 | /root/GPEN |
主要依赖库：
facexlib: 用于人脸检测与对齐basicsr: 基础超分框架支持opencv-python,numpy<2.0,datasets==2.21.0,pyarrow==12.0.1sortedcontainers,addict,yapf
2. 快速上手
2.1 激活环境
conda activate torch252.2 模型推理 (Inference)
进入代码目录并使用预置脚本进行推理测试：
cd /root/GPEN使用下面命令进行推理测试，可以通过命令行参数灵活指定输入图片。
# 场景 1：运行默认测试图 # 输出将保存为: output_Solvay_conference_1927.png python inference_gpen.py # 场景 2：修复自定义图片 # 输出将保存为: output_my_photo.jpg python inference_gpen.py --input ./my_photo.jpg # 场景 3：直接指定输出文件名 # 输出将保存为: custom_name.png python inference_gpen.py -i test.jpg -o custom_name.png推理结果将自动保存在项目根目录下，测试结果如下：
3. GPEN输入尺寸机制解析
3.1 输入尺寸的底层逻辑
GPEN（GAN-Prior based Enhancement Network）采用多尺度生成器结构，其输入尺寸直接影响修复质量、推理速度和显存占用。模型通过预设的“分辨率等级”来控制处理流程，而非任意缩放。
在源码中，输入图像会经过以下处理链路：
- 人脸检测与对齐：使用
facexlib中的 RetinaFace 检测关键点，裁剪出标准人脸区域。 - 尺寸归一化：将人脸区域调整至预训练时使用的标准尺寸（如 512×512）。
- 特征映射增强：利用 GAN prior 进行细节恢复。
- 反向贴回原图：将增强后的人脸重新融合到原始图像中。
因此，实际影响效果的是模型内部设定的“目标分辨率”，而非直接传入的图像大小。
3.2 支持的分辨率等级
GPEN官方提供了多个预训练权重对应不同分辨率等级，常见包括：
| 分辨率等级 | 推荐用途 | 显存需求 | 处理时间（单张） |
|---|---|---|---|
| 256×256 | 快速预览、移动端适配 | < 4GB | ~0.8s |
| 512×512 | 平衡画质与性能（推荐） | 6–8GB | ~1.5s |
| 1024×1024 | 高清打印、专业后期 | > 12GB | ~3.2s |
注意：若输入图像远大于目标分辨率，系统会自动分块处理（tiling），否则可能导致 OOM 错误。
4. 不同分辨率适配实战
4.1 修改输入尺寸的核心参数
在inference_gpen.py脚本中，可通过以下参数控制输入尺寸行为：
parser.add_argument('--size', type=int, default=512, help='Resolution of the image') parser.add_argument('--channel', type=int, default=3, help='Color channels') parser.add_argument('--tile_size', type=int, default=None, help='Tile size for large images')示例：强制以 256×256 模式运行
python inference_gpen.py --input my_face.jpg --size 256该命令将人脸区域统一缩放到 256×256 进行增强，适合低算力设备或批量处理场景。
4.2 大图分块处理（Tiling）
当输入图像超过 1024×1024 或显存受限时，建议启用分块模式：
python inference_gpen.py --input crowd.jpg --size 512 --tile_size 512--size 512：表示每个 tile 使用 512×512 的增强模型--tile_size 512：将大图切分为 512×512 的小块分别处理
优势：避免显存溢出，支持超高分辨率输入
注意事项：需确保相邻块之间有适当重叠（overlap），防止边缘伪影
4.3 自定义分辨率适配策略
虽然 GPEN 不支持任意尺寸端到端训练，但可通过后处理实现非标输出。例如生成 720p（1280×720）人像：
步骤一：先以 1024×1024 模式增强人脸
python inference_gpen.py --input portrait.jpg --size 1024 --output temp_enhanced.png步骤二：使用 OpenCV 缩放并居中填充
import cv2 import numpy as np def resize_to_720p(image_path, output_path): img = cv2.imread(image_path) h, w = img.shape[:2] # 计算等比缩放后的尺寸 scale = 720 / max(h, w) new_w, new_h = int(w * scale), int(h * scale) resized = cv2.resize(img, (new_w, new_h), interpolation=cv2.INTER_LANCZOS4) # 创建黑色背景的 1280×720 图像 canvas = np.zeros((720, 1280, 3), dtype=np.uint8) x_offset = (1280 - new_w) // 2 y_offset = (720 - new_h) // 2 canvas[y_offset:y_offset+new_h, x_offset:x_offset+new_w] = resized cv2.imwrite(output_path, canvas) resize_to_720p("temp_enhanced.png", "output_720p.png")此方法可在保持高质量细节的同时满足特定分辨率输出需求。
5. 性能优化与避坑指南
5.1 显存不足问题解决方案
| 问题现象 | 原因分析 | 解决方案 |
|---|---|---|
| CUDA out of memory | 输入过大或 batch_size > 1 | 设置--tile_size启用分块 |
| 推理卡顿、延迟高 | 使用 1024 模型但 GPU 较弱 | 切换为--size 512 |
| 输出模糊 | 输入过小导致信息丢失 | 确保原始图像 ≥ 目标尺寸 |
5.2 多人像场景处理技巧
GPEN 默认只处理第一张检测到的人脸。对于多人合影，可结合face_detection工具批量提取人脸后再逐个增强：
from facexlib.detection import RetinaFaceDetector detector = RetinaFaceDetector() faces = detector.detect_faces(image) for i, face in enumerate(faces): x1, y1, x2, y2 = map(int, face[:4]) crop = image[y1:y2, x1:x2] cv2.imwrite(f"face_{i}.jpg", crop) # 再调用 GPEN 增强每张子图5.3 批量处理脚本示例
#!/bin/bash for img in ./input/*.jpg; do filename=$(basename "$img" .jpg) python inference_gpen.py --input "$img" --size 512 --output "./output/${filename}_enhanced.png" done将上述内容保存为batch_process.sh并执行，即可完成整个文件夹的自动化增强。
6. 总结
6.1 核心要点回顾
- GPEN 的输入尺寸由
--size参数控制，常用值为 256、512、1024。 - 实际处理的是对齐后的人脸区域，非整图直接放大。
- 大图应启用
--tile_size实现分块推理，避免显存溢出。 - 可通过后处理（缩放+填充）适配任意输出分辨率。
- 多人像需先分割再单独增强。
6.2 最佳实践建议
- 日常使用推荐
--size 512：兼顾质量与效率，适用于大多数场景。 - 高清输出优先选择
--size 1024+ tiling：保障细节还原度。 - 移动端部署考虑量化版本：可自行导出 ONNX 模型并使用 TensorRT 加速。
- 避免过度降噪：GPEN 本身已包含去噪模块，无需前置滤波。
掌握输入尺寸的设置逻辑，是充分发挥 GPEN 人像增强能力的关键一步。合理配置不仅能提升视觉效果，还能显著优化资源利用率。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
