图片是人类传播信息的重要媒介。近年来计算机视觉的蓬勃发展离不开大量的图片和其标注。研究如何能自动化生成数据可以降低标注工作量，也能满足人类特定化编辑图像的需求。作为生成任务中的一种，变形图像生成因输出和输入存在极大的结构差异而极具挑战性，但其巨大的实际应用价值吸引着学者们不断进行深入调研。
　　考虑到生成对抗网络在图像生成上的优异表现、泛用性和灵活性，本文对生成对抗网络进行结构和方法调整，用于应对两项极具应用价值的变形图像任务：中国书法生成和姿态变换。针对两项任务的特点，展开了如下研究：
　　1)本文首先提出了使用生成对抗网络进行书法生成的方法。本文提出的模型包含两个生成器，分别是监督网络和转换网络。监督网络在训练时目标是重建书法图像，转换网络目标是将标准字体图像转化为书法图像。监督网络最核心的作用是为转换网络提供其解码器的低层监督信息，借助这些监督信息，转换网络的结果比之前的方法展现出更细节的局部笔画信息和更好的全局结构。
　　2)本文针对姿态变换的任务，提出了有效的姿态注意力机制和渐进式生成机制。姿态注意力机制依赖姿态特征构造注意力遮罩，依据注意力遮罩有选择性地增强和抑制外貌特征；渐进式生成机制可以降低由姿态差异过大而导致的转换难度，从而使得生成结果更为自然真实。由于两种机制的有效性，相比于之前的方法，本文方法产生的结果具有更高的外貌和姿态一致性，并且模型更小，速度更快。此外，本文还验证了生成的人物图像可以作为扩充数据提升行人重识别任务的性能。
　　基于以上研究，本文提出了两个有效的基于生成对抗网络的变形图像生成算法，用于针对性地应对书法生成和姿态变换两个具有挑战性的变形图像生成任务。充分的实验结果验证了本文所提出方法的有效性。