人脸属性合成技术旨在保留人脸面部图像身份信息的情况下，根据指定目标重建人脸属性，从而在源图像上合成具有全新属性的人脸。计算机视觉技术的发展为人脸属性合成技术提供了全新的解决方案。为此，从人脸属性合成数据集、传统和生成对抗网络(GAN)的合成网络以及人脸语义方面综述了人脸属性合成技术的发展。首先分析了人脸属性合成领域中传统方法和主流的深度学习方法，探讨基于GAN方法的发展现状，将基于GAN的人脸属性合成模型划分为有监督、无监督以及半监督三种，将人脸属性划分年龄、表情和妆容三大类语义，并对多种合成模型进行深入研究。其次，对典型的损失函数进行分析和总结，同时介绍了常用人脸属性数据集以及评价指标。最后介绍现有人脸属性合成方法面临的问题，并对该领域未来的发展提出展望。