网络的结构仿照Cycle-GAN的设置，使用两层步长为2的卷积层进行下采样（降维），6个残差块连接，然后使用两层步长为2的卷积层进行上采样。生成器使用了实例归一化，但是判别器没有用正则化。判别器网络文中使用的是patch-GAN。 文中在每一层都使用了实例归一化，除了最后的输出层。 分类器的激活函数使用了leakyrelu，负的一侧的斜率为0.01
- 提出了一种全新的生成对抗网络StarGAN，该网络只使用一个生成器和一个鉴别器来学习多个域之间的映射，并从各个域的图像中有效地进行训练；
- 演示了如何使用掩模向量方法（mask vector method）成功学习多个数据集之间的多域图像转换，并使得StarGAN控制所有可用的域标签；
- 使用StarGAN进行面部属性转换和面部表情合成任务，并对结果进行了定性和定量分析，结果显示其优于基准线模型