面向高保真人脸替换：综合综述与新基准
计算机视觉与模式识别
2026-05-05 v1 人工智能
摘要
近年来，人脸替换技术取得了显著进展，主要受益于生成模型如GAN和扩散模型的推动。尽管如此，现有方法仍跨越多个范式碎片化，且因缺乏标准化数据集和协议，其评估高度不一致。此外，先前的综述主要聚焦于更广泛的深度伪造生成或检测，人脸替换作为独立问题的研究仍不足。本文提出了人脸替换的全面综述与基准测试。我们提供了现有方法的结构化综述，将其组织为五大主要范式，并系统分析其设计原则、优势与局限。为实现公平且受控的评估，我们引入CASIA FaceSwapping基准，包含均衡的人口学分布和明确的属性变体，建立了标准化协议以评估不同人脸替换方法的鲁棒性。对代表性方法进行大量实验，揭示了当前技术的性能特征与局限。总体而言，我们的工作提供了统一的视角和原则化的评估框架，以促进更稳健、可控的人脸替换方法的发展。更多结果可访问 https://github.com/CASIA-NLPRAI/face-swapping-survey。
引用
@article{arxiv.2605.00883,
title = {Towards High Fidelity Face Swapping: A Comprehensive Survey and New Benchmark},
author = {Qi Li and Weining Wang and Shuangjun Du and Bo Peng and Jing Dong and Kun Wang and Zhenan Sun and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:2605.00883},
year = {2026}
}