本文提出了一种基于GAN、可变形跳跃连接和最近邻损失的方法，用于合成给定姿势下的人物图像，并在各项指标上取得了最先进的结果。
Dec, 2017
本文介绍了 Soft-Gated Warping Generative Adversarial Network（Warping-GAN）的开发，该网络利用了灵活轻便的规避块，以在生产人像时处理任意姿势等大尺度几何变换，并在两个大型数据集上得到了显着优越的表现。
Oct, 2018
用Partition-Controlled GAN生成符合目标姿势和背景的人类图像，模型通过提取和融合外观特征、姿势特征和背景特征来生成期望的图像，实验表明该方法不仅可以生成逼真的人类图像，还能符合预期的人体姿势和背景。
Nov, 2018
提出了一种新的生成式对抗网络，用于姿势转移，其生成器由一系列姿势注意传输块组成，可以生成具有更好外观一致性和形状一致性的图像，此方法能够为人物重新识别生成训练图像，并提高具体实现的效率和有效性。
Apr, 2019
本文提出了一种基于姿势和外貌信息生成人物图像的方法，使用带有“可变形跳跃连接”的生成对抗网络来解决像素对像素的错位，并使用最近邻损失来匹配生成图像中的细节与目标图像。实验结果表明，这种方法在人物再识别任务中具有很好的性能表现。
提出一种新颖的多层次统计转移模型，通过注意力机制和属性统计学习最优的外貌表示，将其传输到姿势引导生成器进行外貌和姿势的重构，从而实现自主驱动的人物图像生成，实验证明该方法在DeepFashion数据集上表现出色。
Nov, 2020
综述文章介绍了生成对抗网络(GANs)在图像合成领域的各种应用，包括图像到图像的转换、融合图像生成、标签到图像映射和文本到图像生成，并总结了基于模型、特定于架构、约束、损失函数、评估度量和培训数据集开发思路等各种领域进展和具体实现，并提出了未来发展的潜在方向。
Dec, 2020
提出了一种基于循环的生成对抗网络模型(C2GAN)，通过交互式方式联合分析输入图像和引导数据，实现了人脸、手、身体和自然场景的图像生成，通过循环子网实现输入域的重构，同时生成另一个循环所需要的有用输出，实现了跨模态信息的相互补充，并具有更为鲁棒优化的功能。
Jun, 2021
本文提出了一种组合多个预训练的GAN来生成全身人像的方法，其中一个GAN生成一个全局画布，专业的GAN产生细节部分，并通过共同探索各自的潜在空间来生成无缝连接的图像，我们通过定量评估和用户研究评估结果。
Mar, 2022
使用去噪扩散模型，我们提出了一种名为PIDM的人体图像扩散模型，解决了复杂的转换问题，并展示了在两个大型基准测试中的显着结果，以及如何在下游任务中使用生成的图像。
Nov, 2022