计算机研究与发展

作者：戴思龙,王鹏飞,王晓玲,

关键词：人脸去识别化, 深度学习, 深度生成模型, 人脸交换, 人脸编辑,

近年来，随着深度学习技术的迅速发展，为人脸去识别提供了全新的解决思路.相较于传统的图像处理技术，深度生成模型在人脸去识别领域展现出了显著的优势，包括生成图像质量高、模型鲁棒性强等特点.综述回顾并总结了近年来利用深度学习技术在人脸去识别问题上的理论探索和研究成果.首先概述了深度学习在人脸去识别中所采用的网络架构和基本原理，接着深入讨论了基于这些技术的去识别方法，包括面部交换、特征扰动等关键技术，并介绍了评估这些技术的标准实验指标.进一步地，总结了当前技术面临的主要挑战，如姿态与表情的稳定性、属性解耦以及视频应用的适应性等问题，并展望了未来研究中亟需攻克的难题.最后，强调了深度学习技术在人脸去识别领域的重要性，并指出了未来研究的方向.综述旨在为读者提供人脸去识别领域的深入见解，并激发未来研究的新思路和方向.

来源：2025年第10期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第10期