近年来,图像逐渐成为信息传播的主要载体,跨域图像生成也渐渐被人们所关注,深度学习的发展为跨域图像生成提供了技术支撑。但是,早期的工作往往需要依靠成对的数据集,而在现实生活中难以找到一对一成对的图像,因此这在一定程度上限制了跨域图像生成任务的泛化能力,并且难以满足实际生活的需要。此外,这些跨域图像生成工作大都只能实现一对一的图像生成,无法满足一对多的生成需求。本文聚焦于以上问题,致力于构建一种无监督(不提供成对数据)的一对多图像生成算法。针对以上问题,本文提出了一种基于自编码的跨域图像生成算法。假定跨域图像拥有独立的风格属性和一致的内容属性,首先利用编码器对跨域图像进行编码得到其内容属性和风格属性,对于独立的风格属性而言,采用变分自编码器来进行拟合,使其尽可能满足预先设定的高斯分布;对于一致的内容属性而言,采用对抗自编码器使其域标签和类别标签进行对抗学习,以此来拟合内容属性的先验分布。最后将拟合好的风格属性和内容属性进行随机抽样,并以此进行拼接实现跨域图像生成。本文算法在MNIST、SVHN、VIS-NIR和Edges-Shoes四个数据集上进行了有监督和无监督实验,充分验证了本文算法的有效性。