تُعدّ إنشاء صور جديدة، لكن واقعية، للأشخاص مهمةً صعبةً نظرًا للتفاعل المعقد بين العوامل المختلفة في الصورة، مثل عناصر المقدمة والخلفية ومعلومات الوضعية. في هذه الدراسة، نهدف إلى إنشاء مثل هذه الصور باستخدام نموذج جديد يعتمد على خطوتين في عملية إعادة البناء، يتعلم تمثيلًا منفصلًا (disentangled) للعوامل المذكورة أعلاه، ويُنشئ صورًا شخصية جديدة في الوقت نفسه. أولاً، نقترح شبكة إعادة بناء متعددة الفروع لفصل هذه العوامل الثلاثة (المقدمة، الخلفية، الوضعية) وتمثيلها في صورة مدمجة (embedding features)، والتي تُستخدم بعدها لتركيب الصورة الأصلية من جديد. ثانيًا، يتم تعلُّم ثلاث دوال تمايز (mapping functions) بطريقة معاكسة (adversarial) لتحويل الضوضاء الغاوسية إلى فضاء الميزات المدمجة المُتعلّمة، لكل عامل على حدة. وباستخدام الإطار المُقترح، يمكننا التحكّم في عناصر المقدمة والخلفية والوضعية للصورة المدخلة، كما يمكننا عينَة ميزات مدمجة جديدة لإنشاء هذه التلاعبات المستهدفة، ما يُتيح تحكمًا أكبر في عملية الإنشاء. أظهرت التجارب على مجموعتي بيانات Market-1501 وDeepfashion أن النموذج لا يُنتج صورًا واقعية للأشخاص بعناصر جديدة (مقدمة، خلفية، وضعية)، بل يُمكنه أيضًا التلاعب بالعوامل المُنشأة وتحقيق تداخل بين الحالات الوسطى. كما أظهرت مجموعة أخرى من التجارب على مجموعة بيانات Market-1501 أن النموذج يمكن أن يكون مفيدًا أيضًا في مهام التعرف على الأشخاص (person re-identification).