本发明提出一种基于变分自动编码器的潜变量空间解耦方法，包括编码器模型设计、解码器模型设计、损失函数设计。编码器模型设计阶段使用了自注意力机制和残差网络，使得图像生成模型更有效地捕捉长期依赖关系，增强模型的维度适应性；解码器模型设计阶段将潜变量空间编码z解码，实现图像重构；损失函数设计阶段使得潜变量空间编码维度与属性值趋向单调关系，从而达到优化训练的目的。通过设计良好的编解码模型和损失函数，实现对图像数据的特征映射和参数调整，实现有效的数据降维，并保留高度的图像特征。在确保图像重建精度的前提下让解耦的潜变量空间具备更好的可解释性和模块化特征，提高潜变量空间解耦性能。