FaithDiff

让老电影和老照片一键清晰重生，修复效果自然真实

FaithDiff 是一个基于扩散模型的真实世界图像修复与增强工具，发表于 CVPR 2025。它专注于经典电影修复、老照片翻新、社交媒体图像修复、图像增强以及 AIGC 生成内容的增强。项目通过扩散模型技术，解决真实场景中图像退化（如模糊、噪声、低分辨率、压缩伪影）的复原问题，核心能力包括超分辨率、去噪、去模糊和细节重建。它强调对真实世界退化分布的适应性，而非仅针对合成退化，从而在老旧影像和社交平台压缩图上取得更自然的效果。项目提供 Python 实现，基于 Stable Diffusion 架构，适用于多种退化类型的统一处理。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 273

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队JyChen9811

所属国家

官网地址

GitHubhttps://github.com/JyChen9811/FaithDiff

定价模式free

价格说明开源项目，MIT许可证，可免费使用和修改，无在线服务。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型aigc-enhancement,cvpr,diffusion,diffusion-models,image-enhancement,real-world,stable-diffusion,super-resolution

GitHub 星标★ 273

30天Star增速

HF 下载量

上线时间2024-11-23 00:00:00

最近更新2026-09-19 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

针对真实世界退化设计，而非仅合成数据，修复更自然
统一框架支持超分、去噪、去模糊等多种任务
基于 Stable Diffusion，利用生成先验增强细节

不足之处

项目处于早期阶段，文档和社区支持待观察
依赖扩散模型，推理速度可能较慢，资源消耗高

适用场景

经典老电影修复，提升画质和清晰度
老照片翻新，恢复细节和色彩
社交媒体压缩图像增强，改善观感

替代项目

Real-ESRGAN、SwinIR、DiffBIR

项目介绍

FaithDiff 是图像领域的开源项目，由 JyChen9811 开发，2024 年首次发布。

它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 273。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。MIT许可证，可免费使用和修改，无在线服务。

它主要面向的使用场景是：经典老电影修复，提升画质和清晰度。同类可对比的替代方案包括 Real-ESRGAN、SwinIR、DiffBIR。

上一篇：stable-diffusion-webui-prompt-travel

下一篇：ComfyUI-StableDiffusion3-API