人物图像视频生成是计算机视觉领域中热门的研究方向,其根据给定的属性将原图像进行转换。例如姿态引导下的人物图像生成,其目标为在保留原人物服装纹理不变的同时将姿态转换为目标姿态,或服装引导下的人物图像生成,其目标为在保留原图像姿态不变的同时将服装纹理转换为特定服装纹理。人物图像视频生成具有广泛应用场景,例如电影特效制作、时装造型设计、虚拟试衣以及数据集增强,无论在学术界还是在工业界都具有重要的研究意义。现有的人物图像生成方法中得到的生成图像的纹理细节常常无法精确保留,另一方面,现有的人物视频生成方法生成的视频往往在时序上存在不一致的现象。针对上述问题,本文基于生成对抗网络就人物图像视频生成任务开展了研究,主要的研究内容包含了以下几个方面。在人物图像生成任务中,针对图像生成过程中基于关键点的姿态表示无法提供有效姿态约束的问题,设计了姿态引导的目标语义图生成器,使得预测的目标语义图在图像生成中提供更加准确的姿态约束。对于生成图像中存在伪影的问题,通过建立原图像和目标姿态表示之间的多尺度对应关系,实现了在细粒度图像生成过程中保留更多信息。利用人体语义图进行属性分割实现了在同一模型下完成姿态引导下的人物图像生成以及服装引导下的人物图像生成。定量实验结果以及定性实验结果均表明了所提出模型有效的提高了生成图像的质量。在人物视频生成任务中,针对视频生成过程中单张原图像无法提供足够外观信息的问题,采用了多张原图像做为网络输入,以在视频生成过程中提供更多的外观信息。通过使用全局-局部模块对原图像和目标姿态之间的流场进行修正以达到精确纹理迁移的效果。针对生成视频中时序不一致问题,设计了循环训练方式,提高了生成视频帧的时序一致性。定量实验结果以及定性实验结果表明了所提出模型能够有效保留视频帧的纹理细节以及有效提高视频帧的时序一致性。