StableSwap：共享且可控潜在空间中的稳定人脸交换

基于摘要分析。该研究面向不限定人物身份的人脸交换，旨在兼顾图像保真度与身份一致性，并缓解传统方法复杂损失调节带来的训练和推理不稳定。StableSwap 使用可逆自编码器构建共享潜在空间，在其中进行身份编辑，同时支持区域可控的人脸交换。 核心机制是利用源人脸与目标人脸潜在编码中的丰富图像信息，通过结合感知损失与对抗损失的潜在对齐优化自编码器。多阶段身份注入模块采样具有不同人脸先验的特征，再通过基于注意力的模块融合特征，以掩码为条件更新潜在编码。摘要未披露可逆结构的具体实现、损失形式及权重、训练阶段划分或掩码构建方式，这些细节尚未验证。 作者报告，在主流人脸交换基准上的定量与定性评估中，StableSwap 生成了具有竞争力且身份一致的交换人脸；作者报告 ID Retrieval 为 98.68、FID 为 2.49，并称优于此前方法、训练稳定性有所增强。摘要未明确这些数值对应的数据集、数据划分、对照方法及 ID Retrieval 的单位，因此不能据此进行跨协议比较。作者还报告模型能够进行区域控制和更细粒度的潜在空间操作，其控制精度与稳定性的量化依据仍需全文核对。 该论文的主要研究对象是人脸图像编辑，而非神经信号建模；所给材料没有提供与 EEG/BCI 瓶颈的具体机制对应关系，因此不据此提出迁移结论或复现实验建议。已有 EEG 相关工作尚未检索确认。实验协议、消融及统计信息尚未验证，代码与完整复现条件也未由材料确认。