本文介绍了一种新的模型——生成对抗性何处网络（Generative Adversarial What-Where Network），该模型可以根据内容和位置描述合成图像。该模型在Caltech-UCSD Birds数据集上展示了高质量的图像合成能力，并且可以控制鸟类周围的边界框和组件。通过模拟条件分布，该系统可以控制各个部分。初步结果还展示了在MPII Human Pose数据集上对人体动作图像进行文本和位置可控合成的能力。