【CodeFormerの使い方】3通りの方法
CodeFormerとは？
顔の復元・補完・高画質化に特化したAIツールです。
主に次のような用途に向いています
- ぼやけた顔写真を鮮明にしたい
- AI生成画像の崩れた顔（目・口・鼻）を修正したい
- ノイズが多い古い写真の顔を補完したい
CodeFormerの使用環境
CodeFormerやReal-ESRGAN、GFPGANのようなツールは、一般に以下のような環境を前提としています。
- Python（3.8～3.10あたり）
- PyTorch（＋CUDAドライバ：NVIDIAのGPUがあれば）
- Git
- LinuxまたはLinux系OS（Ubuntuなど）での動作
しかし、これらの環境が無くても使用できる方法があります。
今回は、上記の環境（ローカル）以外で使用できる方法を含めた、3通りの使用方法について、解説していきます。
使い方：3通りの方法
1⃣【手軽】ブラウザで試す（ローカル不要）
Hugging Faceのデモページ
Hugging Face CodeFormer ページはこちら
- ページを開くと、シンプルな操作画面が出てくる
- 画像をアップロードする（自分の写真や試したい画像）
- 「Submit（送信）」ボタンを押す
- 数秒〜1分くらい待つと、修復された顔画像が出てくる！
- 完了したらダウンロード
注意事項
- 待ち時間があるかも（人気なので並ぶことがある）
- アップロードする画像サイズは小さめ（できれば512px以内）がスムーズ
- あくまで「デモ版」だから、商用利用はNG（正式に使いたいならローカルインストールかライセンス確認）
もうちょっと高機能版を使いたい場合や、自分のPCでCodeFormer動かしたい場合は２へ！
2⃣ 【やや中級者向け】Google Colabで使う（ブラウザ＋GPU）
Step.1 Google Colabにアクセス
まず、Googleアカウントがあれば誰でも使える「Google Colab」にアクセスします。
Google Colabはこちら
Step.2 新しいノートブックを作成
Colabを開いたら、
- 「ファイル」＞「ドライブの新しいノートブック」 をクリックして、新しいページを開きます。
Step.3 GPUを有効にする（これ超重要！）
CodeFormerは重いので、GPUを使う設定にしておきましょう！
- メニューから「ランタイム」＞「ランタイムのタイプを変更」を選択
- 「ハードウェアアクセラレータ」で「GPU」を選んで「保存」
これで、GPUが使える状態になりました！
Step.4 CodeFormerをColabにインストール・準備
コードは、一つのコードに対して一つのセルを使用します。＋コードで、セルを追加して、コードを書きましょう。
① 必要なライブラリとCodeFormerをインストール
次のコードを、Colabのセルにコピペして実行していきます！
# GitからCodeFormerをダウンロード
!git clone https://github.com/sczhou/CodeFormer.git
%cd CodeFormer
# 必要なパッケージをインストール
!pip install -r requirements.txtCtrl＋Vでペースト出来ます。
実行はセルの「▶️ボタン」を押します。
② CodeFormerの事前学習モデルをダウンロード
新しいセルを追加して、②の「事前学習モデルをダウンロードするコード」を貼り付けて、また実行します。
# weights（重みファイル）をダウンロード
!mkdir weights
!wget -P weights https://github.com/sczhou/CodeFormer/releases/download/v0.1.0/codeformer.pth※これが「AIが学んだ知識データ」だと思ってください！
Step.5 画像をアップロードする
Colabに自分の画像をアップロードして、修復させます。
from google.colab import files
uploaded = files.upload() # ここでファイル選択画面が出ます実行すると、自分のPCからファイル選択できるので、顔画像などを選びます。
Step.6 CodeFormerで画像を修復する
次に、アップロードした画像を修復するコードです
import os
import torch
from basicsr.archs.codeformer_arch import CodeFormer
from torchvision.transforms.functional import to_tensor, to_pil_image
from PIL import Image
# モデルのロード
device = 'cuda' if torch.cuda.is_available() else 'cpu'
model = CodeFormer(dim_embd=512, codebook_size=1024, n_head=8, n_layers=9, connect_list=['32', '64', '128', '256']).to(device)
ckpt_path = 'weights/codeformer.pth'
model.load_state_dict(torch.load(ckpt_path)['params_ema'])
model.eval()
# 画像の読み込み
input_image_path = list(uploaded.keys())[0]
input_image = Image.open(input_image_path).convert('RGB')
input_tensor = to_tensor(input_image).unsqueeze(0).to(device)
# 推論
with torch.no_grad():
output = model(input_tensor, w=0.7)[0] # wの値は0.0〜1.0で調整できる（整形度合い）
# 保存
output_image = to_pil_image(output.squeeze(0).cpu().clamp(0, 1))
output_image.save('output.png')
# 表示
output_image.show()
これで、アップロードした顔画像が補完・修復された状態で出てきます！
Step7 完成した画像をダウンロードする
最後に、出力画像（output.png）をダウンロードして保存できます！
files.download('output.png')※無料でGPUが使えるのが魅力！重い画像も快適処理。
「CodeFormerを動かす為のまとめノートブック」を作る手順
同じ操作を繰り返したい場合は、まとめノートブックを作成しておくと実行ボタンのみを押すだけで、簡単に同じ操作を繰り返す事が出来ます。
作成方法は以下の通りです。
【STEP 1】新しいGoogle Colabノートブックを開こう！
まずは、
- Google Colab にアクセス
- 画面左上の「ファイル > 新しいノートブック」をクリック
すると、新しい空っぽのノートブックが開きます。
（名前は後でつければOKです）
順番にセルを作っていきましょう！
【STEP 2】最初のセルに書くコード
まずは「CodeFormerのソースコードをGitHubからダウンロード」してきます。
ノートブックの一番上のセルに、次のコードをコピペしてください
# CodeFormerをクローン
!git clone https://github.com/sczhou/CodeFormer.git
# CodeFormerフォルダに移動
%cd CodeFormer
# 必要なライブラリをインストール
!pip install -r requirements.txt
# さらに必要な依存ライブラリもインストール
!pip install -q basicsr facexlib gfpgan
!pip install -q -U openmim
!mim install -q mmcv-full左側の「▶️ボタン（セルを実行）」を押してください！
【STEP 3】事前学習モデル（重みファイル）をダウンロードするセル
次は、CodeFormerの学習済みモデル（codeformer.pth）をダウンロードするコードを書きます。
新しいセルを追加して、次をコピペしてください
# 重みファイルを保存するフォルダを作成
!mkdir -p weights
# CodeFormerの学習済みモデルをダウンロード
!wget -P weights https://github.com/sczhou/CodeFormer/releases/download/v0.1.0/codeformer.pth【ポイント】
weightsというフォルダを作って、そこに保存します。- この「重み」がないと、顔修復ができないので必須です！
【やること】
- 新しいセルを追加して
- 上のコードを貼り付けて
- 「▶️」ボタンで実行！
ダウンロードする「学習済みモデル（codeformer.pth）」のサイズがけっこう大きい（数百MB以上ある）為、時間が掛かる場合があります。ColabのサーバーとGitHubの通信速度はそのときの回線状況に左右されます。
【目安時間】
- 早いとき ➔ 10秒〜30秒くらい
- 遅いとき ➔ 数分かかることもある
なので、のんびり待っていればOKです。
（途中でエラーが出なければ問題なし！）
【もし途中でエラーになったら？】
もし仮にダウンロード中にエラーが出ても、
もう一度「セルの▶️ボタンを押して再実行」すれば大丈夫です！
【STEP 4】画像をアップロードするセルを作ります！
Colab上に、CodeFormerで直したい自分の画像ファイルをアップロードする仕組みを作りましょう！
次のコードを新しいセルにコピペしてください
from google.colab import files
# ファイルアップロード
uploaded = files.upload()- 上のコードを貼り付けて
- ▶️ボタンを押します
すると、「ファイルを選んでください」というウィンドウが出るので、
手元にある顔画像ファイルを選んでアップロードしてみてください
【STEP 5】CodeFormerで画像補正を実行するセル
次のコードを、新しいセルに貼り付けてください
# 推論に必要なモジュールをインポート
import torch
from torchvision.utils import save_image
from basicsr.archs.codeformer_arch import CodeFormer
from torchvision import transforms
from PIL import Image
import os
# CodeFormerモデルの準備
net = CodeFormer(dim_embd=512, codebook_size=1024, n_heads=8, n_layers=9, connect_list=["32", "64", "128", "256"])
ckpt_path = 'weights/codeformer.pth'
net.load_state_dict(torch.load(ckpt_path)['params_ema'])
net = net.eval().cuda()
# アップロードしたファイル名を取得
filename = list(uploaded.keys())[0]
# 画像の読み込みと前処理
img = Image.open(filename).convert("RGB")
transform = transforms.Compose([
transforms.Resize((512, 512)),
transforms.ToTensor()
])
img_input = transform(img).unsqueeze(0).cuda()
# 顔補正を実行
with torch.no_grad():
output = net(img_input, w=0.7, adain=True)[0]
output = (output.clamp(-1, 1) + 1) / 2
# 結果を保存
save_image(output, 'restored_image.png')
# 画像を表示
from IPython.display import Image as IPImage, display
display(IPImage('restored_image.png'))
CodeFormerモデルをロードしてアップロードした画像を読み込んで顔をきれいに復元（補正）して結果を表示＆保存する
【注意点】
保存されたファイル名は restored_image.png になります！
最初にアップロードした画像ファイル名が自動で使われます。
このようなエラーが出た場合
ModuleNotFoundError: No module named 'basicsr'
次のコマンドを新しいセルにコピペして、実行してください
!pip install basicsrこれでbasicsrがインストールされます！
（この作業は、Colabを新しく開いたときは毎回やる必要があります）インストールが終了したら、一度画面左上のランタイムのタブをクリックして、セッションを再起動をして下さい。
このようなエラーが出た場合
ModuleNotFoundError: No module named 'torchvision.transforms.functional_tensor'これは、今インストールされてる「torchvision」のバージョンが低すぎて、必要な機能がない場合のエラーです。
次のコマンドを新しいセルにコピペして、実行してください
!pip install torchvision --upgradeこれで、最新の torchvision にアップデートできます。
3⃣【上級者向け】ローカルPCに導入して使う
前提条件（以下の環境が整っていること）
- Python（推奨：3.8〜3.10）
- Git（コードをクローンするため）
- NVIDIA製GPU ＋ CUDA環境（GPUで高速処理する場合）
手順（ざっくりとした流れ）※詳細は別ページにて解説しています。最後にリンクがあります。
- CodeFormerのソースコードをGitHubから取得
git clone https://github.com/sczhou/CodeFormer.git
cd CodeFormer2.必要なPythonライブラリをまとめてインストール
pip install -r requirements.txtこのコマンドは、requirements.txt に書かれている依存ライブラリ（例：torch, opencv-pythonなど）を一括でインストールします。
について,
以下の記事で詳しく解説していますをご覧ください。
- 事前学習済みモデル（
CodeFormer.pth）をダウンロードして、所定の場所に配置
GitHubの公式リポジトリの「README」にあるURLから、weights フォルダに保存します。
例（Linux/macOSの場合）
mkdir -p weights/CodeFormer
mv CodeFormer.pth weights/CodeFormer/実行！画像を指定して処理を開始
例：
python inference_codeformer.py --w 0.7 --input_path inputs/test.jpg --output_path results/おすすめ設定とコツ
| パラメータ | 説明 | おすすめ値 |
|---|---|---|
w | 補完の強さ（0〜1） | 0.5〜0.7くらいが自然 |
| 画像サイズ | 小さすぎると補完しきれない | 顔が100px以上推奨 |
CodeFormerをローカルで使うためのPC環境
1. 【OS環境】
- 対応OS
- Windows 10 / 11
- macOS（Intel or Apple Silicon）
- Linux（Ubuntu推奨）
※ただし、GPU処理（高速動作）したい場合はWindows or Linuxを強く推奨。
2. 【Python・CUDA環境】
| 項目 | 内容 |
|---|---|
| Python | 3.8 〜 3.10（Python 3.11は非推奨） |
| CUDA Toolkit | 11.3 〜 11.7（GPUを使う場合） |
| PyTorch | CUDA対応版をインストール（後述） |
| Git | GitHubからコードを取得するために必要 |
3. 【PCスペック】
| スペック項目 | 最低要件 | 推奨要件 |
|---|---|---|
| CPU | Intel Core i5 / AMD Ryzen 5 以上 | Core i7 / Ryzen 7 以上 |
| メモリ（RAM） | 8GB 以上 | 16GB 以上（重い画像処理のため） |
| GPU（NVIDIA製） | GeForce GTX 1060 以上（VRAM 6GB〜） | RTX 3060 / 3070 / 4070（VRAM 8GB〜） |
| ストレージ | SSD推奨（数GBのモデルファイルを扱う） | SSD（空き容量：10GB以上） |
GPUはCUDA対応のNVIDIA製が必須です。AMDやIntel GPUは非対応。
4. 【その他の条件】
- Python環境は仮想環境（venv）で構築するのがおすすめ
- Pythonライブラリの依存関係を
pip install -r requirements.txtで管理 - インターネット接続（初回はモデルファイルなどをダウンロードするため）
GPUがないとどうなる？
- CPUでも動作はしますが「1枚の画像処理に数分〜十数分かかる」こともあります。
- GPUがあると「数秒〜十数秒で処理完了」なので、作業効率が段違いです。
どんな画像に向いてる？
顔だけじゃないの？
CodeFormerは 全体の画像ではなく「顔部分のみ」に特化 しています。
顔以外の補完は別のツール（例：Real-ESRGANなど）と組み合わせるのがおすすめです。
