تم استخدام التعرف على الوجه بشكل متزايد في التطبيقات الواقعية خلال السنوات الأخيرة. ومع ذلك، عند دمج انحياز لون البشرة مع التغيرات داخل الفرد مثل الإضاءة القاسية، يصبح من المرجح أن يفشل مهام التعرف على الوجه، حتى في حالات التدقيق البشري. تسعى طرق تطبيع الوجه إلى التصدي لهذه التحديات عن طريق إزالة التغيرات داخل الفرد من الصورة المدخلة مع الحفاظ على الهوية دون تغيير. ومع ذلك، فإن معظم طرق تطبيع الوجه قادرة فقط على إزالة تغير واحد أو اثنين، وتتجاهل الانحيازات الموجودة في البيانات، مثل انحياز لون البشرة. كما أن النتائج الناتجة عن العديد من طرق تطبيع الوجه ليست واقعية من وجهة نظر البشر. في هذا العمل، تم اقتراح نموذج تطبيع الوجه القائم على الأسلوب (StyleFNM) لإزالة معظم التغيرات داخل الفرد، بما في ذلك التغيرات الكبيرة في الوضعية، والإضاءة السيئة أو القاسية، والدقة المنخفضة، والضبابية، والتعبيرات الوجهية، والملحقات مثل النظارات الشمسية وغيرها. كما تم التعامل مع انحياز مجموعة البيانات في هذه الدراسة من خلال التحكم بنموذج GAN مُدرّب مسبقًا لإنتاج مجموعة بيانات متوازنة من الصور المشابهة للصور الرسمية للجوازات. أظهرت النتائج التجريبية أن StyleFNM يمكنه إنتاج نتائج أكثر واقعية، ويمكنه تحسين دقة ونزاهة أنظمة التعرف على الوجه بشكل ملحوظ.