随着动画娱乐产业的发展,越来越多的群体加入到了动画创作的行列。然而,传统的动画创作需要专业的工具和技能,这对于普通用户和初学者来说门槛过高。利用深度学习技术对单张图像中的动画人物进行脸部控制给动画创作带来了一种便捷的方式。脸部控制技术可以分为两类,人脸表情编辑和人脸旋转。当前的人脸表情编辑算法存在着属性之间耦合度高或者生成图像清晰度不高的问题。同时,当前的人脸旋转算法存在着生成图像细节纹理表现不佳且输入条件苛刻的问题。针对以上的问题,本文的主要工作如下:第一,提出基于前景掩膜的表情编辑模型AMEE-GAN（Alpha Mask Expression Editing GAN）。该模型采用了生成对抗网络和编码器解码器结合的网络结构,在传统的生成网络中增加了一条支路用于生成前景掩膜,使得整个模型更加关注于表情变化的区域,对于未变化的部分尽量保留人物身份信息。在判别网络中加入表情幅度判别器,使得生成图像更贴近于目标图像中的人物表情。由于缺少公开的动画人物数据集,在本文自制的数据集上,AMEE-GAN取得了比同类模型更好的效果。第二,提出基于轮廓预测的人脸旋转模型BPFR-GAN（Boundary Prediction Face Rotation GAN）。该模型利用人脸轮廓图代替现有方案中的五官位置点图,为生成网络提供了更多的细节纹理信息。人脸轮廓图由网络生成,避免了需要手工制作五官位置点图的麻烦。整个模型为两阶段网络,第一阶段网络生成目标姿态的人脸轮廓图,随后与源图像一起输入到第二阶段网络中得到目标姿态的人物图像。通过实验表明,BPFR-GAN取得了比现有方案更好的效果。第三,设计与实现了动画人物脸部控制和动画创作系统。方便用户对图像中的动画人物的表情、姿态进行控制和尝试简单的动画创作。