异质人脸图像合成旨在使用算法生成逼真、可识别的多种视觉形态的人脸肖像,包括画像、漫画等多种模态。其在数字娱乐领域与刑侦领域中具有广泛应用。近年来,研究人员提出了大量基于生成对抗网络的异质人脸合成方法。不过,仍未有工作对异质人脸图像合成任务进行系统性的分析和总结。此外,现有方法对于人脸姿态、光照较为敏感,对于不可控条件下的人脸图像难以合成逼真的异质人脸图像。据此,本文的研究工作主要包含以下两点:(1)首先,本文简要回顾了异质人脸图像合成的发展历史;并从异质人脸图像合成的应用进展、模型结构、性能评估和定性分析等方面综述了该领域最新关键技术的发展情况;展望了异质人脸图像合成面临的挑战以及其关键技术的发展趋势。这对于该领域的研究人员迅速了解研究现状和确定研究方向,具有一定的指导意义。(2)其次,本文提出了一种结构自适应的鲁棒人脸画像生成方法。考虑到人脸画像的纹理与其对应的语义信息高度相关,本文首先利用面部解析掩膜进行空间自适应标准化,用于指导人脸不同部位的纹理生成。此外,为了使生成画像与输入人脸保持相同的语义结构,本文提出一种结构重建损失,要求生成器重构人脸语义结构信息。最后,由于数据集中的真实照片-画像之间并未进行像素级精准对齐,这可能会损伤模型性能。因此,本文提出了一种松弛型图像重建损失。在多个数据集上的实验结果表明,使用本文方法生成的画像视觉质量良好,并且对于极端姿态和光照的人脸仍具有良好的生成能力。总结而言,我们的方法能够生成结构清晰、纹理逼真的画像,并具有更高的鲁棒性。本文工作,对于异质人脸图像合成的理论研究和应用推广具有重要价值。