CodeFormer 是一种专注于盲人脸修复的 AI 模型，旨在从退化、低分辨率或重度压缩的图像中重建并增强面部细节，由南洋理工大学研究人员开发，采用基于码本的架构，能从原始细节严重丢失或损坏的输入中恢复高质量面部特征。

模型通过将退化面部输入映射到学习得到的高质量面部组件码本工作，实质上是从已知面部元素库中寻找最佳重建而非简单放大现有像素。该方法使 CodeFormer 即使从极低分辨率源也能产出锐利、细致的人脸修复，对修复老照片、改善困难条件下拍摄的视频或增强缺乏细节的 AI 生成人脸特别有价值。可控制的保真度参数让用户在忠实还原原始输入与更高质量增强之间权衡，根据是保留相似度还是最大化锐度灵活选择。

对使用 AI 生成或档案视觉内容的创作者而言，CodeFormer 是提升需要比原始生成更高分辨率或更多细节的输出中面部质量的实用后期工具，常与其它放大与增强工具一起作为更广泛图像精修流程的一部分使用。