GFPGAN

1. 介绍：GFPGAN（Generative Facial Prior-GAN）是由腾讯ARC（Applied Research Center）开发的一种实用的真实世界人脸修复算法。它专门设计用于人脸图像的生成和优化，尤其在低质量人脸图像的超分辨率恢复方面表现出色。GFPGAN通过结合生成对抗网络（GAN）和门控频率先验技术，巧妙地结合了高频细节恢复与低频结构保持，旨在精确恢复图像的细节，同时保持人像的整体结构，从而实现更加自然、真实的结果。它的工作原理主要包括输入一张需要修复的人脸图像，利用预训练的人脸GAN提取丰富的人脸先验知识，设计一个GAN网络，生成器负责修复图像，判别器负责区分真实和生成的图像，在训练过程中，生成器学习如何利用人脸先验知识来修复输入图像。
2. GitHub：https://github.com/TencentARC/GFPGAN
3. 效果图：
   

DeOldify

1. 介绍：DeOldify 是一个基于深度学习的开源项目，专门用于为黑白照片和视频进行智能上色和修复。该项目由 Jason Antic 开发，并在 GitHub 上开源。DeOldify 利用了生成对抗网络（GAN）技术，特别是采用了自注意力机制的 GAN，以提高色彩还原的准确性和细节的丰富度。
2. GitHub：https://github.com/jantic/DeOldify
3. 官网：https://deoldify.ai/
4. 效果图：
   

Real-ESRGAN

1. 介绍：Real-ESRGAN 是一个基于深度学习的图像和视频超分辨率增强模型，旨在开发实用的图像/视频修复算法。它是对 ESRGAN（Enhanced Super-Resolution Generative Adversarial Network）的扩展，使用纯合成数据进行训练。Real-ESRGAN 能够处理低分辨率图像中的未知和复杂的退化，生成高质量的超分辨率图像。
2. GitHub：https://github.com/xinntao/Real-ESRGAN
3. 效果图：
   

PromptFix

1. 介绍：PromptFix 是一款由罗切斯特大学与微软研究院联合开发的开源 AI 图像修复工具，旨在根据用户的自然语言指令对受损或需要处理的图像进行智能修复和优化。它基于扩散模型技术，并结合了语言模型和大规模视觉指令数据集。
2. GitHub：https://github.com/yeates/PromptFix
3. 效果图：
   

IOPaint

1. 介绍：IOPaint 是一款完全免费且开源的图像修复工具，由 SOTA AI 模型驱动。它支持本地部署，可以在 CPU 和 GPU 平台上良好运行。Lama Cleaner 提供了多种功能，包括去除图像中的水印、物品、人物、字体等对象。此外，它还支持老照片修复、文本替换图像内容等功能。
2. GitHub：https://github.com/Sanster/IOPaint
3. 官网：https://ko-fi.com/Z8Z1CZJGY
4. 效果图：
   

   IOPaint 效果视频

CTSDG

1. 介绍：CTSDG（Conditional Texture and Structure Dual Generation）是一种新颖的图像修复方法，由 Xiefan Guo、Hongyu Yang 和 Di Huang 共同开发，并在 2021 年国际计算机视觉大会（ICCV）上发表。该方法通过将图像修复任务分解为两个子任务：结构约束的纹理合成和纹理引导的结构重建。CTSDG 使用了双向特征融合（Bi-GFF）模块和上下文特征聚合（CFA）模块来进一步优化生成的图像。
2. GitHub：https://github.com/Xiefan-Guo/CTSDG
3. 效果图：
   

Shift-Net_pytorch

1. 介绍：Shift-Net_pytorch 是一个基于 PyTorch 实现的图像修复项目，最初由 Zhaoyi Yan 等人在 2018 年的欧洲计算机视觉会议（ECCV）上提出。该项目通过深度特征重排技术来实现图像修复，主要解决了传统图像修复方法中无法同时捕获图像全局结构和精细纹理细节的问题。
2. 论文：https://openaccess.thecvf.com/content_ECCV_2018/papers/Zhaoyi_Yan_Shift-Net_Image_Inpainting_ECCV_2018_paper.pdf
3. GitHub：https://github.com/Zhaoyi-Yan/Shift-Net_pytorch
4. 效果图：
   

CR-Fill

1. 介绍：CR-Fill 是一个基于深度学习的图像修复项目，由 Yu Zeng、Zhe Lin、Huchuan Lu 和 Vishal M. Patel 等人开发，并在 2021 年的国际计算机视觉会议（ICCV）上发表。该项目通过辅助上下文重建来实现高质量的图像生成修复。
2. GitHub：https://github.com/zengxianyu/crfill
3. 效果图：