灰度图像彩色化技术一直是国内外学者研究的重要课题,将彩色化技术应用于兵马俑图像的色彩复原中具有一定的科学价值和历史意义。现有的兵马俑色彩复原方法大多是基于传统算法进行处理,色彩复原准确率较低,且传统算法对于处理低分辨率图像效果很差。针对上述问题本文基于生成对抗网络,对兵马俑全自动着色算法进行了研究。主要研究进展包括:（1）彩色兵马俑数据集建立。目前还没有可用的彩色兵马俑数据集。我们通过各种途径收集了现有的彩色兵马俑图像。针对样本量依旧偏少的问题,通过图像旋转、拉伸、调节亮度等方法进行了数据增强,构建了可用于训练的数据集。（2）针对传统颜色迁移算法对亮度和像素的一致性要求较高,同时会导致图像传递颜色产生误传现象,且容易改变图像的基本结构问题。本文基于生成对抗网络,采用大小相同且步长均为1的卷积块降低在计算过程中图像结构信息的损失,加入灰度条件贯穿整个网络,以此避免图像的误着色问题;分别采用YUV和RGB图像进行训练,并分析了其两种模型的损失函数以及差异。实验结果表明,本文算法有效解决了传统算法中颜色误传现象,YUV图像色彩复原后的颜色分布比较自然。（3）针对原始生成对抗网络训练不稳定,且容易出现梯度消失问题,设计了语义对抗的兵马俑色彩复原网络。其中生成网络包含两个生成器:一个用来捕获图像颜色分布,另一个用来学习图像的类分布向量,以这种方式学习图像中的有用信息。最后利用卷积块将学习结果进行融合,更好地完成兵马俑色彩复原任务。相比于原始生成对抗网络,该网络模型训练更加稳定,有效避免了梯度消失问题。实验结果表明,该算法可以生成纹理清晰、颜色分布更加自然的兵马俑图像。