蕾师师 发自 凹非寺
量子位 报道 | 公众号 QbitAI

只要一张照片、一段视频,就能让特朗普跟着蔡徐坤「唱、跳、Rap、篮球」!

像这样。

这就是来自上海科技大学团队的一项新研究,在提出的新框架内,处理人体图像合成任务。

其中包括人体运动模仿、外观转换和新视角合成等。

并且,该项目的代码、数据集已开源。

建立模仿数据集

首先,研究团队建立了一个具有多种样式、不同人物穿不同衣服的数据集,称为Impersonator(iPER)数据集。

研究人员采集了30个研究对象的数据,他们的体型、身高各不相同。每个研究对象穿着不同的衣服,完成一套指定动作和一套随机动作。

整个数据集有206个视频、包含241564帧画面。

206个视频以特定的命名保存,例如“ xxx_yyy_zzz.mp4”,其中:

  • xxx:演员姓名
  • yyy:外观编号,不同的编号表示不同的衣服
  • zzz:动作类型,1代表姿势,2代表随机姿势

如何保留人物细节特征?

目前,主要是用2D图片来确定肢体的结构和动作,但是这远远不能满足这里的需求。

这里采用了3D网格肢体复原形式来提取动作和姿势,即可以模拟关节的位置和旋转,又能够表现出个性化的身体形状。

但是纹理、样式、颜色又该怎么保留呢?

针对这个问题,研究者提出了注意型液化GAN。

通过降噪卷积自动编码器提取特朗普的身体特征,然后经过GAN不断地训练学习、微调、监督、转化,将低分辨率的模型转变成高分辨率的模型,使输出来的视频图像清晰。

整个模型的工作流程大致如下:

(a)首先,肢体网格恢复模块将每个图像的3D网格图绘制好。

(b)其次,流组模块将计算图像空间中的投影顶点,将图像分成动作前景图和背景图。

(c)最后,GAN模块生成三个层,第一层是背景层,第二层是临摹出来的动作层,第三层是参考保留细节层。

注意型液化GAN

在本文中,不仅提出了注意型液化GAN,还提出了一种带有注意型液化块AttLWB(Attentional Liquid Warping Block),两者共同运作,输出高真的模仿图像。

(a)addWB结构,获取了GTSF的数据,生成自己的数据模型。
(b)(Attentional) Liquid Warping Block结构,基于GSID和GTSF的数据,并经过一系列的运算,生成参数。
(c)AttWB结构层。经过这里,得到了最终的数据结果。

网络架构图

 

大量的实验证明了这个方法在保持面部特征性、形状一致性和衣服细节等方面很有效。

AI舞蹈动作恶搞,不仅恶搞了特朗普,还有人还恶搞了华盛顿。

微博互联网知名博主说,现在的AI论文Demo越来越不尊重“老人”了。调侃200多岁的华盛顿好吗?这不好。

作者团队介绍

这个科研团队来自于上海科技大学

通讯作者是高盛华,高盛华博士2008年本科毕业于中国科学技术大学,2012年博士毕业于新加坡南洋理工大学,2014年8月加入上海科技大学,任助理教授,研究员。

他的研究方向是计算机视觉、机器学习。

高盛华

第一作者是Wen Liu,2016年在西北工业大学获得了学士学位,目前在上海科技大学攻读博士。主要研究人体三维体重建、图像合成、运动转移等方面。

Wen Liu

还有一位作者是Lin Ma,硕士毕业于哈尔滨工业大学,在香港中文大学获得了博士学位。曾经是华为诺亚方舟实验室的研究员,现在是深圳腾讯AI实验室的首席研究员。他目前的研究兴趣在计算机视觉领域、多模式深度学习领域等。

Lin Ma

其他参与的作者还有Zhixin Piao、Zhi Tu、Wenhan Luo 等。

项目地址:
https://www.impersonator.org/work/impersonator-plus-plus.html

数据集下载地址:
https://svip-lab.github.io/dataset/iPER_dataset.html

开源代码地址:
https://github.com/iPERDance/iPERCore

论文地址:
https://arxiv.org/pdf/2011.09055.pdf

余下全文(1/3)

本文最初发表在微信公众号,文章内容属作者个人观点,不代表本站立场。

分享这篇文章:

请关注我们:

发表评论

电子邮件地址不会被公开。 必填项已用*标注