عادةً ما تعتمد استعادة الوجه المغمى على معلومات مسبقة للوجه، مثل المعلومات الهندسية المسبقة أو المعلومات المرجعية المسبقة، لاستعادة التفاصيل الواقعية والموثوقة. ومع ذلك، فإن المدخلات ذات الجودة المنخفضة جدًا لا تقدم معلومات هندسية دقيقة بينما تكون المراجع عالية الجودة غير متاحة، مما يحد من قابلية التطبيق في السيناريوهات الحقيقية. في هذا العمل، نقترح GFP-GAN الذي يستفيد من المعلومات المسبقة الغنية والمتنوعة المحصورة في شبكة GAN للوجه التي تم تدريبها مسبقًا لاستعادة الوجه المغمى. يتم دمج هذه المعلومات المولدة للوجه (GFP) في عملية استعادة الوجه من خلال طبقات تحويل الخصائص الفضائية المقسمة للقنوات الجديدة، مما يتيح لطريقتنا تحقيق توازن جيد بين الواقعية والدقة. بفضل القوة الكبيرة للمعلومات المولدة للوجه وتصاميمها الدقيقة، يمكن لـ GFP-GAN أن يستعيد التفاصيل الوجهي ويحسن الألوان في مرور واحد فقط، بينما تتطلب طرق عكس GAN تحسينًا محددًا لكل صورة وبتكلفة باهظة أثناء الاستدلال. تظهر التجارب الواسعة أن طريقتنا تحقق أداءً أفضل من الأعمال السابقة على كل من البيانات الصناعية والبيانات الحقيقية.