对抗生成网络（GAN）是一种常用的人脸合成模型。GAN 包含两个核心模块：生成器（Generator）和判别器（Discriminator）。生成器的任务是从随机噪声中"创造"出一张看似真实的图片，而判别器则负责判别一张图片是真实的还是生成的。生成器和判别器之间展开了一场"智力博弈"：生成器不断提升生成图片的质量，试图骗过判别器。判别器变得越来越敏锐，努力识破生成器的"伪装"。经过这种反复对抗的过程，生成器最终学会了生成极其逼真的图片。
当我们用GAN 生成人脸时，一张随机噪声图片可以被看作是一组生成因子的组合，生成器将这些因子"转化"成一张人脸。当训练数据足够丰富时，生成器可以产生几乎无法与真实照片区分的合成人脸。图 27.3展示了通过 GAN 生成的虚假人脸------它们看起来和真实人脸几乎没有区别。
基于 GAN 生成的人脸图片。图片来源：Karras et al. 2018