给定一张未化妆的源图像和一张任意妆容的参考图像,妆容迁移目标是生成一张新的图像,该图像具有参考图像口红、眼影、腮红等妆容信息,又保留源图像人物身份、表情、姿态以及背景等内容信息。因其广泛的应用场景和巨大的市场需求,妆容迁移得到了越来越多的关注和研究。在妆容迁移任务中,主要有两方面的内容需要学习,一方面是建立源图像和参考图像之间的语义对应关系,另一方面是提取参考图像的妆容信息。现有的妆容迁移算法利用人脸解析结果,建立了源图像和参考图像之间的区域级语义对应关系,例如源图像嘴唇区域对应参考图像嘴唇区域。然而,区域级语义对应关系不能满足妆容迁移的要求,导致参考妆容未能准确地渲染到源图像的语义对应位置。此外,由于妆容信息未能从参考图像中完整地提取出来,导致眼影、腮红等妆容未能有效地迁移到源图像中,生成结果与参考图像的妆容风格存在一定差异。针对上述问题,本文提出了一种基于语义对应的解耦妆容迁移算法,论文的主要研究内容如下:1)针对源图像和参考图像之间的语义对应关系,构建语义对应网络,利用特征匹配模块,建立两者之间像素级语义对应关系。本文像素级语义对应关系是指在源图像中随机选择一个空间位置坐标,在参考图像中计算出与之语义最相近的空间位置坐标。在语义对应网络中,首先使用卷积神经网络分别提取源图像和参考图像的特征变量,然后利用特征匹配模块计算两个特征之间每个空间位置上局部变量的相关性,最后经过对应增强操作,建立源图像和参考图像之间像素级语义对应关系。与未使用语义对应关系的本文算法相比,实验数据表明像素级语义对应关系提高了妆容迁移结果的图像质量（FID降低了4.85）,保留了更多源图像的内容信息（SSIM提高了0.012）,提取了更丰富的参考图像的妆容信息（LPIPS降低了0.037）。得益于像素级语义对应关系,本文算法对人物姿态和表情具有较好的鲁棒性并能不加修改的扩展到视频妆容迁移任务中。2)针对妆容信息提取不完整问题,引入解耦表示思想,提出一个特征解耦的妆容迁移网络架构,将输入图像分解为内容特征和妆容特征,促进妆容信息的提取。在妆容迁移网络中,首先使用不同功能的编码器分别提取输入图像的内容特征和妆容特征,然后利用语义对齐模块将像素级语义对应关系嵌入到妆容迁移任务中,最后将内容特征与交换后的妆容特征融合,生成妆容迁移与移除结果。在网络训练阶段,利用合成的伪成对数据,进一步引导内容特征与妆容特征的分解,提高妆容迁移结果的质量。从定性角度分析,与其他算法相比,本文算法生成的妆容迁移结果与参考图像的妆容风格视觉上更为相似,尤其是眼影、腮红妆容。从定量角度分析,与妆容迁移算法PSGAN相比,在评价生成质量的指标FID上,本文算法降低了3.78;在衡量源图像内容信息保留的指标SSIM上,提升了0.163;在描述妆容相似度的指标LPIPS上,降低了0.045。由于将妆容特征分离了出来,本文算法不仅可以应用到妆容移除场景,而且可以随意地调控妆容风格的强度。