随着深度学习的快速发展,图像生成领域取得了许多令人印象深刻的进展,这使得从标签,文本描述或者语义布局生成具有真实感的图像成为可能。本文所要研究的是从语义分割图生成与之语义对齐的具有真实感的图像,它在内容创作和编辑等方向有着广泛的应用前景。早期的工作直接将语义图作为生成器的编码器端的输入,这种网络设计对于语义信息的利用效率是次优的,空域自适应特征变换的提出缓解了这一问题。它以语义图作为条件输入,预测仿射变换参数并空域自适应地调制变换每层的特征,充分利用语义信息,生成图像的视觉质量得到了较大提升。本文将从人体姿态迁移,复杂场景生成和风景季节迁移三个问题出发,探究空域自适应特征变换起到的关键作用,并对其改进。在人体姿态迁移任务中,首先设计了一个两阶段的框架,第一阶段生成目标姿态对应的细粒度的语义解析,第二阶段利用源姿态和目标姿态对应的语义解析,提取得到目标姿态对应的外观风格特征,再由细粒度的语义信息和外观风格特征联合引导空域自适应特征变换,生成目标图像。实验表明,基于细粒度语义信息和风格特征联合引导的空域自适应特征变换模块促使生成图像在外观一致性和姿态一致性方面具备良好的性能。在复杂场景生成任务中,仅仅利用语义信息很难生成有着丰富逼真细节的结构化实例。本文提出了一种基于形状上下文的位置描述符,通过描述实例中每个像素点与该实例轮廓点集之间的相对位置关系,刻画该像素点在实例中的位置,从而辅助生成器更好地对实例外观建模。基于语义和形状上下文联合引导的空域自适应特征变换模块的使用,使得语义信息和位置信息的利用更加充分,生成的图像的细节更加丰富和逼真。此外,语义分割损失的使用,对改善生成图像的纹理外观,促进生成图像的空间语义一致性方面起到了积极作用。在风景季节迁移任务中,本文首先设计了一个结构简单的基本框架,然后设计了一种基于语义和图像内容特征联合引导的空域自适应特征变换模块,将语义信息和内容结构特征联合,促使生成器更好地识别需要进行外观风格迁移的区域,并对其进行恰当的外观转换。生成的图像在内容一致性和风格一致性上表现良好,视觉质量优于其他几种近期的方法。