研究者将这一思想应用于美颜场景：先把一张人脸照片分解成“内容因子”和“风格因子”，其中内容因子代表是谁的脸（身份特征），风格因子则代表脸部的美丑胖瘦、是否带妆、表情等。如果分解足够准确，就可以把漂亮照片的风格因子迁移到待美颜的照片上，从而实现美颜。
如下图所示，模型结构依然基于GAN 网络，输入为两张人脸照片A 和B。其中，A 是待美颜照片；B是参考照片，表示目标美颜风格。模型生成一张新的人脸AB，使其在“是谁”这件事上与A 保持一致，同时在风格上与B 接近。实现流程包括：(1) 将照片A 和B 分别拆解为内容因子CA/CB和风格因子SA/SB；(2) 把A的内容因子CA与 B 的风格因子SB组合，通过生成器 G 生成合成图像 AB。
训练时，通常会设置以下约束：
身份一致：令 A 与 AB 看起来是同一个人（可用人脸识别系统来判断两张图是否来自同一身份）。漂亮指数相同：令 AB 与 B 的“漂亮指数”相似（可通过一个打分模型来评估人脸的美学分数）。
判别器约束：判别器 D 判断 AB 与 B 是否来自“漂亮人群”的真实照片分布，从而保证生成结果更逼真。通过这样的方式，生成器 G 学会了将 A 与 B 的信息因子进行重组，从而生成“美颜后”的照片。
