Qualidade e modelos

GFPGAN vs GPEN: qual aprimorador de rosto usar?

Os dois são modelos de restauração facial que rodam depois da troca, não modelos de troca. A escolha depende do tamanho do rosto na tela, do estado do material e de você estar exportando um arquivo ou olhando uma pré-visualização ao vivo.

Atualizado em 25 de julho de 2026
11 min de leitura

Resposta rápida: GPEN-512 é o padrão sensato para imagens e vídeos exportados. GPEN-256 é a opção leve para pré-visualização ao vivo e máquinas modestas. GFPGAN restaura mais em rostos muito degradados ou de baixa resolução, ao custo de um acabamento mais liso e menos natural. Desligado continua sendo a escolha certa quando o rosto é pequeno em quadro e o material já está limpo.

Troca de rosto e aprimoramento facial são dois modelos com duas tarefas distintas, e confundir isso é a origem da maior parte da frustração.

O que o aprimoramento não conserta

O aprimoramento roda na região do rosto depois da troca. Ele não corrige a origem errada mapeada para a pessoa errada, alinhamento ruim ou rastreamento que pula entre quadros. Em material instável, um aprimoramento pesado costuma deixar a instabilidade mais visível, porque cada quadro é restaurado sozinho. Ajuste antes o mapeamento — veja o guia de vários rostos.

1. O que o aprimorador realmente faz aqui

O modelo de troca do Deep Face Cam é o INSwapper 128, que produz um rosto de 128×128 pixels. Esse recorte é então deformado de volta sobre o quadro de destino. Em um plano aberto, com rosto pequeno, 128 pixels sobram. Em um close em 1080p ou 4K, não: o rosto trocado está sendo ampliado, e isso aparece como perda de textura de pele.

O trabalho do aprimorador é restaurar essa região depois. Ele recorta e alinha o rosto, roda um modelo de restauração e devolve o resultado ao quadro com borda suavizada para que a emenda não apareça. GFPGAN e GPEN são dois modelos diferentes para essa etapa.

2. As quatro opções do aplicativo

O Deep Face Cam apresenta o aprimoramento como uma escolha única em Advanced options, não como uma pilha de chaves. Você escolhe uma:

Ajuste	Modelo	Download	Pensado para
Off	—	—	O mais rápido. Mantém o resultado bruto da troca.
Fast repair	GPEN-BFR-256	≈ 76 MB	Restauração leve para pré-visualização ao vivo ou máquinas modestas.
HD repair	GPEN-BFR-512	≈ 284 MB	Melhor detalhe facial em vídeo e imagem, com custo maior de FPS.
Strong repair	GFPGAN (1024)	≈ 366 MB	Restauração mais forte para rostos borrados ou de baixa resolução; pode ficar mais liso e menos natural.

O número no nome é a resolução de trabalho: o tamanho do recorte facial alinhado sobre o qual o modelo opera. É o centro da comparação. GPEN-256 restaura um rosto de 256 pixels; GPEN-512 trabalha com quatro vezes mais área; o modelo GFPGAN incluído mira 1024. Mais resolução de trabalho significa mais detalhe recuperável e mais cálculo por rosto.

Nenhum desses modelos vem dentro do repositório. Eles são baixados sob demanda para o seu diretório de modelos após confirmação e verificados contra um checksum SHA-256 publicado antes do uso. Se pretende trabalhar offline, baixe antes o aprimorador que vai usar.

Tamanho dos modelos, resolução de trabalho e espaço em disco

Ajuste	Arquivo do modelo	Resolução de trabalho	Área em pixels	Em relação ao GPEN-256	Download
Off	—	—	—	—	—
Fast repair	GPEN-BFR-256.onnx	256 × 256	65,536 px	1×	76 MB
HD repair	GPEN-BFR-512.onnx	512 × 512	262,144 px	4×	284 MB
Strong repair	gfpgan-1024.onnx	1024 × 1024	1,048,576 px	16×	366 MB

Para dar escala: o modelo de troca produz um rosto de 128 × 128, ou seja, 16.384 pixels. O HD repair reconstrói esse rosto com 16 vezes essa área, e o Strong repair com 64 vezes. É exatamente por isso que o aprimoramento pesa mais em closes do que em planos abertos.

Grupo de download	Arquivos	Tamanho
Necessário para rodar	inswapper_128.onnx + buffalo_l.zip	843 MB
Variante de troca opcional	inswapper_128_fp16.onnx	278 MB
Os três aprimoradores	GPEN-256 + GPEN-512 + GFPGAN	726 MB
Tudo	6	≈ 1.85 GB

Os tamanhos são os valores publicados no manifesto de modelos; cada arquivo é verificado por checksum após o download e guardado no seu diretório de modelos. No Apple silicon, arquivos de cache CoreML são gravados além desses.

3. Como escolher por situação

A pergunta útil não é “qual modelo é melhor”, e sim “quantos pixels o rosto ocupa e quão ruim é o material”. Essas duas respostas escolhem por você.

Situação	Comece por	Motivo
Retrato, rosto preenchendo o quadro	HD repair (GPEN-512)	Resolução de trabalho suficiente sem o risco de alisamento do modelo mais forte.
Vídeo falante em 1080p	HD repair (GPEN-512)	Melhor equilíbrio entre detalhe e custo por quadro.
Plano aberto com rostos pequenos	Off ou Fast repair	O recorte da troca já se aproxima do tamanho em tela; o aprimoramento acrescenta sobretudo tempo.
Material antigo, comprimido ou de baixa resolução	Strong repair (GFPGAN)	A restauração mais agressiva, que é o que uma entrada muito degradada pede.
Pré-visualização de webcam	Fast repair (GPEN-256), se disponível	Modelo menor e menor latência; veja o requisito de runtime abaixo.
Cena em grupo	Off primeiro, depois suba	O aprimoramento roda por rosto, então o custo se multiplica.

4. Os trade-offs que não aparecem na tela de ajustes

Detalhe versus identidade. Modelos de restauração reconstroem detalhe facial plausível. Quanto mais forte a restauração, mais pesa o que o modelo entende que um rosto deve ser. Em entrada muito degradada isso é exatamente o desejado. Em um rosto já razoável, pode deslocar sutilmente textura de pele e microexpressão: fica mais limpo e um pouco menos parecido com a pessoa.

Alisamento demais. A queixa mais comum sobre restauração agressiva é o aspecto de cera: sem textura de pele, sem barba por fazer, rugas achatadas. Se o resultado parece “limpo demais” em relação ao entorno, desça um modelo em vez de compensar com nitidez.

Descompasso entre rosto e fundo. O aprimoramento é aplicado só ao rosto. Em material ruim, um rosto fortemente restaurado dentro de uma cena granulada soa falso mesmo que isolado pareça bom. Avalie o quadro inteiro.

Consistência temporal. Em vídeo, cada quadro é restaurado sozinho. Pequenas diferenças entre quadros aparecem como cintilação na pele ou na borda do rosto — mais visível justamente nos quadros que já eram difíceis.

Custo por rosto, não por quadro. O aprimoramento roda uma vez por rosto detectado. Quatro rostos significam quatro passagens além de quatro trocas: a principal razão de renders em grupo demorarem muito mais que o esperado.

5. A pré-visualização ao vivo tem um requisito rígido

Este é o detalhe prático que mais surpreende. No Deep Face Cam, o reparo facial ao vivo é habilitado quando o runtime usa CUDA ou DirectML. Com outro execution provider, a cadeia ao vivo roda apenas o swapper, e o aplicativo informa isso no painel de opções.

A geração de imagem e vídeo não é afetada: nesses runtimes você continua podendo usar qualquer aprimorador para exportar. É especificamente o caminho da câmera ao vivo que abre mão da etapa de aprimoramento. Se a qualidade ao vivo é prioridade, esse requisito deveria definir qual build instalar. Veja o guia de tempo real.

A ordem de preferência de provedores no backend é CUDA, depois ROCm, CoreML, DirectML e CPU. No Apple silicon o aplicativo usa o provedor CoreML do ONNX Runtime, ótimo caminho para exportar mas que não satisfaz a condição acima.

6. Como testar por conta própria em dez minutos

Comparações de modelo só fazem sentido no seu material e no seu hardware. O teste repetível é curto:

Escolha um clipe em close, um em plano aberto e um de qualidade visivelmente ruim.
Exporte cada um quatro vezes — Off, Fast, HD, Strong — sem mudar mais nada.
Compare a 100% no quadro inteiro, não no rosto recortado.
Anote o tempo real de render de cada passagem, mais a máquina e o execution provider.
Para ao vivo, ative Show FPS e anote a taxa com o aprimorador desligado e ligado.
Procure especificamente alisamento excessivo, cintilação na borda e descompasso com o fundo.

Guarde essa tabela nas notas do projeto. Ela vale muito mais que qualquer benchmark genérico, porque o custo depende do seu provedor, da sua resolução e de quantos rostos há em quadro.

Perguntas frequentes

GFPGAN é melhor que GPEN?

Nenhum é melhor de forma universal. GFPGAN é a restauração mais forte e a escolha certa para rostos muito degradados, mas é a que mais tende a alisar. GPEN-512 é o equilíbrio padrão para imagem e vídeo. GPEN-256 é a opção leve quando velocidade importa mais.

Preciso mesmo de aprimorador?

Nem sempre. A troca produz um recorte de 128 pixels, então o aprimoramento pesa mais com rostos grandes na tela ou material degradado. Com rostos pequenos e material limpo, “Off” costuma ser mais natural e é sempre mais rápido.

O aprimoramento conserta uma troca ruim?

Não. Ele não corrige mapeamento de identidade, alinhamento nem rastreamento instável, e pode deixar a instabilidade mais visível. Resolva isso antes.

Por que o render ficou muito mais lento depois de ligar o aprimorador?

Porque ele roda por rosto detectado e adiciona uma passagem completa de restauração sobre cada troca. Em material com várias pessoas o custo se multiplica.

Onde ficam os modelos de aprimoramento?

No seu diretório de modelos de usuário, baixados após confirmação explícita e verificados por checksum. Eles não estão no repositório, por isso o primeiro uso exige conexão.

Escolha o aprimorador pelo material, não pelo nome do modelo

Teste Off, Fast, HD e Strong no seu próprio clipe, compare quadros inteiros em vez de rostos recortados e guarde os tempos de render ao lado dos resultados.

Obter builds de apoiador Ver a política de modelos