最近的研究在两个领域的图像到图像转换中取得了显著的成功。然而，现有的方法在处理超过两个领域时的可扩展性和鲁棒性有限，因为每对图像领域都需要独立构建不同的模型。为了解决这一局限性，我们提出了一种名为StarGAN的新颖且可扩展的方法，该方法仅使用单个模型即可实现多领域的图像到图像转换。StarGAN的这种统一模型架构允许在一个网络中同时训练多个不同领域的数据集。这不仅使得StarGAN在转换图像的质量上优于现有模型，还赋予了其灵活地将输入图像转换为目标领域的能力。我们在面部属性迁移和面部表情合成任务中通过实证研究展示了我们方法的有效性。