除了生成完全虚构的人脸，深度生成网络还可以对已有的人脸进行修改，从而实现换脸效果。在本节中，我们将探讨换脸背后的技术原理。
换脸并不是一个新概念。早在深度学习出现之前，研究人员就已经尝试通过图形学技术实现换脸。这种方法依赖于 3D 重建技术，首先提取源人脸和目标人脸的关键点，再将源人脸的几何关系替换为目标人脸的几何关系。虽然这种方法可以实现换脸，但经常会留下明显的修改痕迹，逼真度不足，容易被识别出来。
传统换脸技术的实现步骤：(a) 输入源人脸和目标人脸；(b) 定位关键点并进行 3D 建模；(c) 分割出人脸的对应部分；(d) 将源人脸特征应用到目标人脸上；(e) 渲染出最终的换脸效果。图片来源：Nirkin et al., 2018.
展示了基于这种方法的换脸效果。可以看到，该方法在一定程度上实现了换脸效果，但存在明显的瑕疵，逼真度较低。
传统换脸技术的实验结果。图片来源：Nirkin et al., 2018.