El uso de computadoras para simular el envejecimiento o rejuvenecimiento facial ha sido durante mucho tiempo un tema de investigación candente en el campo de la visión por computadora, y esta tecnología se puede aplicar en muchos campos, como la seguridad aduanera, lugares públicos y entretenimiento empresarial. Con el rápido aumento de las velocidades de cálculo, se pueden implementar algoritmos complejos de redes neuronales en un tiempo aceptable. En este artículo, se propone un método optimizado de envejecimiento facial basado en una Red Generativa Antagónica de Convolución Profunda (DCGAN). En este método, una imagen facial original se mapea inicialmente a un vector latente personal mediante un codificador, y luego el vector potencial personal se combina con el vector de condición de edad y el vector de condición de género a través de un conector. La salida del conector es la entrada del generador. Luego, se genera una imagen facial estable y fotorrealista manteniendo las características faciales personalizadas y cambiando las condiciones de edad. Con respecto a la función objetivo, la pérdida adversarial única de la Red Generativa Antagónica (GAN) con la pérdida de similitud perceptual se reemplaza por la función de pérdida de similitud perceptual, que es la suma ponderada de la pérdida adversarial, la pérdida en el espacio de características, la pérdida en el espacio de píxeles y la pérdida de edad. Los resultados experimentales muestran que el método propuesto puede sintetizar un rostro envejecido con rica textura y realidad visual, superando trabajos similares.