一款社交平台推出“AI换脸”功能，用户可以将自己的照片替换成影视明星的脸，同时保持原有表情和动作。该功能中“以假乱真”的图像合成最可能使用了哪种模型？（ ）A. 自编码器B. BP神经网络C. 卷积神经网络D. 生成对抗网络（GAN）

本题考查生成对抗网络（GAN）的核心应用场景。关键点在于理解不同模型的特点：

• 生成对抗网络（GAN）通过生成器和判别器的对抗训练，能够生成高度逼真的图像，尤其适合需要细节还原和风格迁移的任务（如“换脸”）。
• 其他选项（自编码器、BP神经网络、CNN）主要应用于特征提取、分类或简单数据重构，无法达到“以假乱真”的效果。

选项分析

A. 自编码器

• 功能：用于降噪、特征学习，通过编码器压缩数据、解码器还原数据。
• 局限：生成效果依赖输入数据质量，难以生成全新且高度逼真的图像。

B. BP神经网络

• 功能：擅长分类或回归任务，结构简单。
• 局限：无法处理复杂图像生成任务，缺乏生成新图像的能力。

C. 卷积神经网络（CNN）

• 功能：擅长图像特征提取和识别，常用于分类任务。
• 局限：本身不直接生成图像，需与其他结构（如GAN）结合。

D. 生成对抗网络（GAN）

• 核心机制：生成器与判别器对抗训练，生成器不断优化输出，判别器提升鉴别能力。
• 优势：通过对抗学习，生成器能输出细节丰富、高度拟合原数据的图像，完美匹配“换脸”需求。