视角旋转有 x、y、z 三个方向，我们目前只考虑左右偏转。如果从单张图像进行旋转的话，这需要「无中生有」，因为有些信息是没有的，所以旋转时结果存在偏差。人脸旋转有两部分研究内容，一部分是 2D 模型，一部分是 3D 模型。
既然图像合成比较难，又不能直接预测，因此，我们引入几个局部通路专门负责人脸局部信息的合成，该工作发表在 ICCV 2017 [15]。根据人脸五官，我们引入四个局部通路，再加上一个全局的通路，同时保持全局和局部的拓扑保持不变。局部四个部分进行分别合成，最后再与全局进行融合，得到一个正脸。我们中心在该问题上的后续工作成果[9]发表在 CVPR2018 上。
3、上妆去妆
另外一个做的比较多的就是上妆去妆。「上妆」自然是希望在拍摄后把人脸进行妆颜美化，去妆则是去除掉图像中的妆容从而变为素颜。作为一个单独的研究问题，上妆去妆从 2009 年开始陆续得到研究者的关注。2018 年，我们中心的李祎等提出利用生成网络来完成去妆[11]，并在 AAAI2018 上发表。我们主要希望针对手机用户，使得去妆之后能够得到比较好的视觉结果。跟前面的方法类似，这里仍需要保持拓扑结构，同时我们提出两层对抗网络，采用两个判别器，一个是进行身份信息判别，另外一个对是否为真实图像进行判别。
最新的自动上妆工作是2018年美国 Adobe 公司提出的模型。该方法以 cycleGAN 模型为基础，对眼部、唇部和其他面部皮肤分别上妆，之后再把分块上妆结果反贴回原脸。由于该方法在合成全脸化妆效果时使用的是 image warping 方法，因此该方法实际上采用的是一种半生成模型。
