DeepFake現在的應用雖然說不上廣泛，但是也還是有不少的地方都使用到了，但是現在的DeepFake在發展上同樣還存在一些問題，這些問題可能是技術上的也可能是其他方面的。

1、清晰度問題

原版的人臉像素是64*64，顯然偏低，但要提高人臉清晰度，並不能僅靠提高圖片的分辨率，還應該在訓練方法和損失函數上下功夫。眾所周知，簡單的L1Loss是有數學上的均值性的，會導致模糊。

2、泛化性

生成網絡是數據驅動的，因此在所生成的結果中反映了訓練數據的特性；良好的效果受限於訓練數據集，特定身份的高質量圖像需要該身份的大量樣本。

3、人臉識別問題

由於第一個環節是對人臉做預處理，算法必須首先能識別出人臉，然後才能處理它，而dlib中的人臉檢測算法，必須是“全臉”，如果臉的角度比較偏就無法識別，也就無法“換臉”。

4、成對式監督訓練

其實還是數據問題，帶標籤成對具有GT的數據實在難以獲取。為了避免這個問題，許多Deepfake網絡通過使用自監督的方式進行訓練，或者使用不成對的網絡（例如CycleGAN），或者利用的ED網絡的編碼在潛在空間進行特徵編輯。

5、遮擋

遮擋可能是手、頭髮、眼鏡或任何其他物品，這可能導致出現偽影、不合理的生成效果等。

對於DeepFake還存在的這些問題，你覺得重要嗎？