现在，Facebook 的研究者们已近在动手办理这一问题，并取得了一定的成果。
雷锋网理解到，Facebook 于近日揭橥了一篇题为《Eye In-Painting with Exemplar Generative Adversarial Networks（通过样本天生式对抗网络进行眼部图像修复）》的论文，该论文办理的问题是，利用已有的人像样本，来对处于闭眼状态的人像进行眼部修复，使得后者呈现出自然睁眼的效果。
详细来说，利用一个基于机器学习技能的天生式对抗网络（Generative Adversarial Networks，简称 GAN），对其进行演习；GAN 的一部分事情卖力识别人像中的人脸，其余一部分则根据识别结果去天生类似于真实而自然的图像——在双方不断协作和改进的过程中，终极使得天生的图像结果靠近于真实的人脸。
我们以下图中所展示的过程为例。大略来说，通过一张处于睁眼状态的人脸去对闭眼的图像进行人眼修复，一个大略的步骤是复制前者的眼睛到后者；但常常涌现的问题是图像在颜色、姿态、方向上的不匹配。而 Facebook 所做的便是利用 GAN 对被修复图像的面部特色进行识别，并针对识别结果对图像进行不断改动，终极达到自然效果。
雷锋网查询到，在 Facebook 论文中给出的测试结果中，研究者们利用 A/B 测试方法，从 Facebook 的内部数据库拿出两组图片；第一组是一张闭眼图和一张真实图，第二组是一张闭眼图和一张 GAN 修复图——结果是有 54% 的测试参与者没有区分出原图像和眼部修复图像之间的真实性差异。而能够被区分的图像，每每是图片中人像涌现了戴眼镜或头发遮挡的情形，论文认为，更多的演习可以减少这类问题。
当然，除了眼部修复，利用 GAN 进行更多方面的图像修复完备成为可能，考虑到 Facebook 运行着环球最大的社交网络，尤其是社交网络中人像数据的弘大性，这一技能毫无疑问更有更大的运用空间。不过 54% 的成绩并不算突出，可能还须要更大的改进空间。
不过，雷锋网更为关心的是，在图像移植技能越来越前辈、越来越靠近真实效果的情形下，包括 Facebook 在内的巨子们将如何担保人们的肖像等权力得到充分的保障；这又是一个技能如何有效地为人类做事的问题。