本文提出了一种基于交叉注意力的深度学习模型，旨在提升人物图像合成的控制能力和精确性。该模型通过自我关注编码源外观，利用交叉注意力计算源语义风格与目标姿势的相关性，实现颜色和纹理的转移，并通过目标分割映射确保图像清晰度。该方法在姿势传输和虚拟试衣场景中表现优异。