Dans cet article, nous abordons le problème de la génération d’images de personnes conditionnelles à une posture donnée. Plus précisément, étant donné une image d’une personne et une posture cible, nous synthétisons une nouvelle image de cette même personne adoptant une posture nouvelle. Afin de traiter les désalignements pixel par pixel dus aux différences de posture, nous introduisons des connexions skip déformables dans le générateur de notre réseau antagoniste génératif (GAN). En outre, nous proposons une perte basée sur le plus proche voisin, au lieu des pertes L1 et L2 classiques, afin de mieux correspondre aux détails de l’image générée à ceux de l’image cible. Nous évaluons notre approche à l’aide de photos de personnes prises dans diverses postures, et comparons notre méthode aux travaux antérieurs dans ce domaine, obtenant des résultats de pointe sur deux benchmarks. Notre méthode peut être étendue au domaine plus large de la génération d’objets déformables, à condition que la posture de l’objet articulé puisse être extraite à l’aide d’un détecteur de points clés (keypoint detector).