VIGFace：用于人脸图像合成的虚拟身份生成模型

基于摘要分析。该研究面向人脸识别依赖大规模网络爬取数据所带来的采集成本与隐私问题，提出 VIGFace，通过构建真实与虚拟身份的特征空间，并利用扩散模型生成合成人脸，支持虚拟身份数据生成及真实身份数据增强。 方法分为两个阶段：首先使用真实人脸数据集训练人脸识别模型，在特征空间中同时建立真实身份与虚拟身份的表示，并使虚拟身份原型与其他原型正交；随后基于该特征空间，使用扩散模型生成图像。其核心机制是通过身份原型约束，为图像合成提供身份层面的区分依据，而非仅追求外观多样性。摘要未说明正交约束的具体实现、扩散模型的条件注入方式及训练目标。 作者报告，该框架既能生成与现有个体明确区分的虚拟人脸，也能结合真实图像进行有效的数据增强；作者还报告，在不使用外部数据的实验条件下，两方面均达到最先进结果。但摘要未提供数据集、评估协议、对照方法或定量指标，相关结论的适用范围尚未验证。“不使用外部数据”不代表不使用真实数据，方法的初始阶段明确依赖真实人脸数据集。 作者将肖像权与隐私风险规避列为方法优势，但仅凭特征空间中的原型正交，尚不能独立确认生成图像不会近似真实个体，也不能据此确认法律层面的肖像权保障。实验协议、消融及统计信息尚未验证，身份相似性检验和隐私评估方式需核对全文。研究对象是人脸图像合成与人脸识别，当前材料未提供其对 EEG 或 BCI 有效性的证据，不据此提出迁移结论。