随着计算机视觉的发展,人脸成为了一个重要的个人信息并广泛应用在活体检测、人脸识别、情绪识别等多种场合。人脸修复和生成在一定程度上可以解决人脸相关算法在特定场合效果不好的问题。同时,随着手机娱乐应用的发展,越来越多的人脸编辑应用涌现到手机应用市场。人们通过手机应用编辑自己的照片,并转发到各类社交平台或者聊天软件中。因此,人脸编辑渐渐地在计算机视觉中成为一个重要的任务。人脸编辑的任务种类繁多。主要包括人脸修复、多角度人脸生成、人脸属性和表情编辑、漫画生成、讽刺画生成等。其中,人脸修复和多角度人脸生成能够帮助提升人脸识别的精度。在一些人脸识别系统中,它们只能向机构获取到被网纹曲线所遮盖的人脸图片。但是,被保护的人脸图片人脸识别的正确率较低。因此,通过人脸编辑修复这些被保护的人脸图片,可以提升人脸识别率。在人脸编辑中,人脸属性和表情编辑给人们的生活带来极大的乐趣。随着讽刺画广泛应用在杂志报纸等媒体中,对讽刺画的需求更加丰富。通过计算机生成讽刺画能够大大减少讽刺画画家的工作量。近年来,随着深度学习的发展,越来越多的人脸编辑任务可以通过生成式对抗网络（GAN,Generative Adversarial Networks）来解决。受其启发,本文通过改进该网络来解决人脸修复和生成的问题,总结如下:1)提出基于自省生成式对抗网络的网纹人脸修复算法。本文提出了利用自省模块实现了精细化修复人脸细节。通过得到修复后的人脸,大大提高了人脸识别的精度。2)提出了基于纹理和形变信息生成式对抗网络的多域人脸编辑算法。本文利用了基于编解码结构的网络分离人脸的纹理和形变信息,并且针对纹理图片编辑人脸属性;该方法消除了人脸姿态角度对属性编辑的影响。3)提出了基于注意力机制风格迁移和局部形变网络的讽刺画生成。本文提出了新颖的风格迁移的方法,帮助讽刺画生成的风格更加自然。另外,还提出了预测形变控制点的方法和新颖的判别器,使得生成的讽刺画不仅形变自然而且保真度较高。