針對(duì)已有的動(dòng)漫人物頭像生成方法中生成結(jié)果的多樣性較差，且難以準(zhǔn)確地按照用戶想法按類(lèi)生成或按局部細(xì)節(jié)生成的問(wèn)題，基于含輔助分類(lèi)器的對(duì)抗生成網(wǎng)絡(luò)（ ACGAN），結(jié)合互信息理論、多尺度判別等提出了一種改進(jìn)模型LMV- ACGAN（ Latent label attached Multi scale Acgan with improvedⅤ GG mode），用于動(dòng)漫人物頭像的生成。文中設(shè)計(jì)的模型主要包括特征整合的反卷積生成器，多尺度特征提取器以及真假、類(lèi)別、隱參數(shù)，還原3個(gè)全連接神經(jīng)網(wǎng)絡(luò)。對(duì)于網(wǎng)絡(luò)結(jié)構(gòu)，所提模型除了類(lèi)別標(biāo)簽外，額外引入了一組連續(xù)值的隱參數(shù)，用來(lái)増強(qiáng)對(duì)模型的約束，同時(shí)將卷積神經(jīng)網(wǎng)絡(luò)部分的VGG模型中的池化層替換為跨步卷積，并且判別器引入了圖像的多尺度信息進(jìn)行特征融合且改進(jìn)了網(wǎng)絡(luò)末端結(jié)構(gòu)以及各部分的參數(shù)更新方式，以盡可能減弱末端的分類(lèi)部分、真假判別部分和隱參數(shù)還原部分辶間的相互影響。實(shí)驗(yàn)結(jié)果表眀，所提模型有效地解決了模式崩塌的問(wèn)題，同時(shí)較ACG∧N提高了模型生成指定類(lèi)型圖像的成功率和準(zhǔn)確度，對(duì)于 ACGAN等生成失敗或者類(lèi)型判別錯(cuò)誤的圖像，可以做到正確生成，且能夠通過(guò)調(diào)整連續(xù)的隱參欻有效地實(shí)現(xiàn)一些簡(jiǎn)單的圖像編輯功能，如人臉的朝向等。