人脸属性编辑目的是在保持人脸身份信息以及属性无关区域的前提下，修改人脸图片的属性。该技术广泛地应用在社交娱乐，人脸识别等领域。现有的基于生成式对抗网络的方法可以编辑人脸属性，同时产生逼真的人脸图片。但是现有的方法很难保证在人脸属性编辑的过程中，保持人脸身份信息以及属性无关的区域。因此，我们在现有的基于生成式对抗网络的框架里面，引入空间注意力机制，用来定位属性相关的区域。我们的框架由生成器G和判别器D组成。判别器D不仅学习区分生成人脸图片和真实人脸图片的分布，同时也学习属性的分布；生成器G由属性控制网络(AMN)和空间注意力网络(SAN)组成。空间注意力网络(SAN)负责定位属性相关的区域，而属性编辑网络(AMN)在给定属性控制向量的条件下，编辑人脸。同CycleGAN，StarGAN，和ResGAN做对比，我们的方法SaGAN可以有效地编辑人脸属性，并且保持人脸属性无关的区域。此外，SaGAN可以用来增广人脸数据库，进一步提高人脸识别率。