在前面实际的应用中，会发现有一定的概率人物的脸部是异常的。通过反复抽卡可以挑选好的图片，但是也影响工作效率。
为了解决这个问题，可以引入人脸图像面部画面修复模型GFPGAN (Generative Face Perfector GAN)模型。它可以能够生成高分辨率的人脸图像，在生成过程中能够保持细节和真实感。如果是图生图的方式，可以对输入的人脸图像进行美化和优化，去除皱纹、瑕疵，增强肤色等。还可以通过调整参数来控制生成图像的风格和特征，例如改变年龄、性别、肤色等。
下载好GFPGANv1.4.pth文件并保存在models\gfpgan目录下（如果没有gfpgan目录就手工创建一个）
在Easy Diffusion的主界面下方Render Settings区域启用"Fix incorrect faces and eyes(GFPGANv1.4)"，如果不提前复制文件，系统也会自动下载该文件，但需要多花一点时间。
其他与上一次操作保持相同。可以看出面部形象质量有明显的提升。
