近年来,伴随着生成对抗网络的进一步发展,我们日常生活中的越来越多现象都可以结合生成对抗网络来进行“智能创造”,比如图像领域中的从语义生成图片、图片风格化、图片特征编辑等创新型工作。本文则是对图片特征编辑这个领域中的人脸老化/年轻化预测的工作进行系统性的探究。在调研了国内外近年来的相关研究课题后我们发现,当前的人脸老化/年轻化预测算法还存在着生成图片清晰度不够、个人身份特征在转换过程中损失较严重、年龄特征表达不够细致等问题。考虑到生成对抗网络所具有的强大的图片生成能力,在本文中,我们先是整体调研了基于条件生成对抗网络的当前主流的人脸老化/年轻化预测模型的优缺点,针对上述问题对主流模型进行改进,即重点探索了个人身份和年龄特征解耦模块、个人身份特征一致性保障模块;此外,在研究过程中我们进一步考虑优化网络结构,结合自然界中渐进式的特征转化过程提出了一种符合自然年龄老化规律的渐进式年龄转化算法,并设计算法步骤、编程实现、设计实验验证了相关模块及结构的作用,最终得以在个人身份特征信息得到最大限度保留的情况下,模拟更为真实自然的人脸老化/年轻化过程。本文的创新点可以被归纳为以下三点:1,个人身份特征和年龄特征解耦模块:本论文在特征层面上对个人身份和年龄进行了约束,具体来说,是在深度特征提取和转化的层面设计了个人身份特征和年龄特征解耦模块,在解耦之后,又设计了个人身份特征一致性保障模块来尽可能降低个人身份特征在转化过程中的损失;2,渐进式的年龄转化规则:本论文基于自然年龄老化规律,即从小孩时期先到中年时期再到老年时期的年龄阶段性变化,对当前研究中使用的基于条件变量的年龄特征表达方式进行了改进,从而还原了更为真实、自然的人脸老化/年轻化过程;3,系统化的实验及衡量标准:本论文在对相关研究成果及实验设计进行了系统化的分析梳理的基础上,从年龄预测准确度、数据分布合理程度、视觉效果等多个角度设计实验来证明本论文中算法的效果。