深度学习领域的所有最新突破都使我们能够从高维数据中提取低维知识，这导致了对海量数据的最新利用。 同时，深度学习模型的生成方面正在Swift兴起，在所有生成模型中，由于其易于实施和增强的性能，生成对抗网络（GAN）受到了极大的欢迎。 诸如将文本数据映射到可视数据（即，从低维到高维）的任务是一项壮举，即使对于专家而言，这仍然是不容易实现的。 这里的挑战是从较低维度的数据中提取所有可能的信息，以生成相对较高维度的数据。 这项工作与GAN和自然语言处理（NLP）合作，提出了一个模型，该模型可以有效地将人的面部特征从字符转换为像素。 换句话说，给定面部描述，该模型将生成逼真的人类面部。 本文比较了在不同数据集上训练的GAN的不同体系结构。 它还指定了使用人群智能的数据集收集方法，并提出了用于描述面Kong综合的深度学习模型。
