近年来,生成式模型在图像生成领域上得到了显著的发展与广泛的应用。人脸再扮演任务是该领域内的一个特殊课题,致力于将某一个体的头部动作与面部表情迁移到另一个体上,生成具有驱动个体表情姿态又保持源个体身份的图像。该任务可应用于图像编辑、影视制作、游戏制作与增强现实等场景。人脸再扮演任务的难点有两个:一是人脸图像纠缠与耦合的的内在特征,二是人眼评估时的低容忍度。为了解决这些问题,本论文提出了一种自监督学习框架,命名为DAE-GAN,其能够从大规模未标注的视频中学习到如何对人脸进行再扮演操作。该方法的主要贡献在于以下两点:1.提出了多帧/多尺度的形变自编码器,用以对人脸图像中的身份与姿态特征进行解耦。在仅假设有大规模人脸视频序列的情况下,该方法能够提取到图像中与姿态无关以及与姿态相关的两种有意义的信息。这一方式使得该方法不必依赖于大量且精确的人脸标注。2.提出了一种带有条件的生成对抗网络,用以融合来自不同个体的身份与姿态信息并进行人脸再扮演任务。生成器中的这一条件融合机制不仅使得生成的图像质量更高,而且使少样本的网络推断成为可能。在仅有单张或少量源图像样本的情况下,该方法仍能生成逼真的再扮演图像。此外,本论文对所提出的方法在VoxCeleb1、VoxCeleb2以及RaFD数据集上进行了验证。实验结果表明,该方法不但能够成功解耦人脸的身份与姿态信息,而且能够生成逼真的个体间再扮演图像。