生成对抗网络（GAN）能够自动生成目标图像，对相似地块的建筑物排布生成具有重要意义。而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题。针对这些问题，提出了一种面向图像生成的条件Wassertein生成对抗网络（C-WGAN）模型。首先，该模型需要识别真实样本和目标样本之间特征对应关系，然后，根据所识别出的特征对应关系进行目标样本的生成。模型采用Wassertein距离来度量两个图像特征之间分布的距离，稳定GAN训练环境，规避模型训练过程中的模式崩溃，从而提升生成图像的精度和训练效率。实验结果表明，与原始条件生成对抗网络（CGAN）和pix2pix模型相比，所提模型的峰值信噪比（PSNR）分别最大提升了6.82%和2.19%；在训练轮数相同的情况下，该模型更快达到收敛状态。由此可见，所提模型不仅能够有效地提升图像生成的精度，而且能够提高网络的收敛速度。