服务热线:010-8600-8600

微信号:010-8600-8600

热门搜索: 人物简笔画

当前位置:主页 > 资讯中心 > 应用案例 >

嘿嘿想变成会跳舞的小哥哥或小姐姐吗?超简单

文章出处:未知责任编辑:北京PK10指定平台人气:发表时间:2018-10-23 23:04【

  专业丝印加工 瓶子丝印 弧型印刷 罐子丝印 曲面印刷 LOGO加工

  “我们做的第一稿并不是现在这个样子的,那时候设计的发型是扎着一条长辫子”,鄢云回忆道,当年搜集到的图片资料里,陈铁军少年时的形象就是扎了辫子,但张满汉是一个完美主义者,他在完成第一稿以后,对照着陈铁军的事迹再推敲了一次,决定把辫子剪掉,“一头短发更符合当时知识青年的形象”。

  您在慧聪网上采购商品属于商业贸易行为。以上所展示的信息由卖家自行提供,内容的真实性、准确性和合法性由发布卖家负责,请意识到互联网交易中的风险是客观存在的。

  北京不锈钢雕塑北京不锈钢浮雕北京锻铜雕塑厂家加盟艺雕塑艺术要多少钱?北京不锈钢雕塑北京不锈钢浮雕北京锻铜雕塑厂家加盟雕塑艺术低投入高回报。如何加盟北京不锈钢雕塑北京不锈钢浮雕北京锻铜雕塑厂家请询北京艺博天下雕塑艺术有限公司。

  供应湖北不锈钢雕塑制作施工/湖北不锈钢雕塑制作施工电话/湖北不锈钢雕塑

  五金加工 铜针,铜脚,精密五金件加工 精密车削件 铝 铜 不锈钢 滚花螺母 自动车床加工 销车加

  手工 陶艺泥人 人物摆设 陶土人物 陶瓷娃娃 酒店装饰 陶人摆设

  江苏松嘉厂家大量生产 加工各型各尺寸Q235B高强度组合钢模板 桥梁钢模板 箱梁模板质量可靠

  深圳不锈钢雕塑厂家直销 广东不锈钢雕塑电话 深圳不锈钢雕塑供应商 广东不锈钢雕塑报价

  304不锈钢景观雕塑 不锈钢雕塑 校园雕塑 不锈钢校园雕塑 园林雕塑小品 景观雕塑小品 园林小品 景观小品

  道昇橡胶橡胶制品 橡胶密封垫片 橡塑制品 橡胶制品 橡胶类产品

  铸铜雕塑 不锈钢雕塑 人物雕塑 动物雕塑 玻璃钢雕塑 泡沫雕塑

  数控车床加工机械加工机械配件定做 数控机床加工 CNC加工 北京焊不锈钢加工 氟辊模具制造 焊接加工 五金配件加工

  【友泰】水表外壳加工 水表防盗 塑料管卡 塑料防盗扣 塑料封条

  须江牌橡胶制品提供耐磨耐酸耐碱热转印硅胶轮 烫印烫金轮 烫金硅胶轮加工

  神方 专业生产加工304不绣钢液压接头 液压油管接头 扣押式接头

  鲁磁XC91 超强力永磁吸盘专业生产销售CNC加工中心磁力吸盘厂家直销方格型手动永磁台电脑锣吸盘批发可定制异形磁力吸盘

  妇科凝胶 私处护理 抑菌排毒 女性PAPA 西安贴牌加工OEM 妇科凝胶贴牌 陕西 西安妇科凝胶厂家 西安妇科凝胶基地

  原标题:嘿嘿,想变成会跳舞的小哥哥或小姐姐吗?超简单! 选自arXiv 机器之心编译 作者:Caro

  此前,机器之心整理了 GitHub 上一篇关于用 DanceNet 生成舞蹈视频的文章(DanceNet:帮你生成会跳舞的小姐姐),吃瓜群众直呼厉害。这回,UC 伯克利的一项研究更不得了——给你一个舞蹈视频,按照本文提出的方法,你可以直接把视频里的人换成自己了。就问你,厉不厉害,流不流皮?

  该研究提出一种迁移不同视频中人物动作的方法。给出两个视频,一个视频中是研究者想要合成动作的目标人物,另一个是被迁移动作的源人物,研究者通过一种基于像素的端到端流程在人物之间进行动作迁移(motion transfer)。该方法与这二十年来使用最近邻搜索 [4, 9] 或 3D 重定位运动 [7, 13, 26, 30] 的方法不同。研究者用该框架创建了多个视频,使未经训练的业余人员也能像专业芭蕾舞演员那样做出旋转等舞蹈动作,像流行明星那样跳舞。

  为了逐帧地实现两个视频中人物之间的动作迁移,研究者必须学习两个人物图像之间的映射。该研究的目标是发现源集合和目标集合之间的图像转换方法 [14]。但是,研究者并不具备执行同样动作的两个人物的对应图像对,来直接监督图像转换。即使两个人物按同样的方式执行动作,仍然有可能不具备帧到帧的身体姿态对应关系,因为每个人物的身材和风格都存在差异。

  研究者观察到基于关键点的姿势可以作为两个人物之间的中间表示,关键点姿势本质上编码了身体位置而非外表。这些姿势与该研究的目标一致,能够保持随时间变化的运动特征,同时尽可能多地抽象人物特质。因此研究者把中间表示设计成姿势简笔画(见图 2)。研究者从目标视频中获取每一帧的姿势检测 [5, 27, 35],得到对应(姿势简笔画,目标人物图像)对集合。使用该对齐数据,研究者以监督的方式学习姿势简笔画和目标人物图像之间的图像转换模型。因此,该模型经过训练后可以生成特定目标人物的个性化视频。接下来就是动作迁移,研究者将姿势简笔画输入训练好的模型中,以获取目标人物持同样姿势的图像。研究者在模型中添加了两个组件来改善结果的质量:为了增强生成视频的时间流畅度(temporal smoothness),研究者每一帧的预测都基于前一个时间步的预测结果;为了增强结果的面部逼真程度,研究者在模型中纳入了一个专门化 GAN,用于生成目标人物的面部。

  该方法可以生成不同视频人物之间的动作迁移视频,无需昂贵的 3D 或运动捕捉数据。该研究的主要贡献是提出了一种基于学习的流程,用于视频间人物的动作迁移,结果在真实、详细的视频中实现了复杂的动作迁移。研究者还对提出的模型进行了模型简化测试(ablation study),并与基线模型进行对比。

  摘要:本文提出了一种简单的方法,用于「do as I do」的动作迁移:给出一个人跳舞的源视频,我们可以在目标人物执行标准动作的几分钟之后,将该表演迁移到一个新的(业余)目标人物上。我们将该问题看作一个具有时间平滑的逐帧图像转换问题。我们使用姿势检测作为源和目标之间的中间表示,学习从姿势图像到目标人物外观图像的映射。我们将此设置用于时间相干视频生成,包括逼真的人脸合成。

  给出一个源人物视频和一个目标人物视频,我们的目标是生成目标人物执行源视频同样动作的新视频。为了完成这一任务,我们将工作流程分成以下三个步骤:姿势检测、全局姿势归一化、从归一化的姿势简笔画映射到目标人物。在姿势检测阶段,我们用一个预训练的当前最优姿势检测器,基于源视频中的帧来创建姿势简笔画。全局姿势归一化阶段考虑了帧内源人物和目标人物的身材、位置差异。最后,我们设计了一个系统,通过对抗训练学习从归一化姿势简笔画到目标人物图像的映射。

  图 3.(上图)训练:我们的模型利用姿势检测器 P,基于目标人物的视频帧创建姿势简笔画。训练期间,我们学习映射 G 和对抗鉴别器 D,后者尝试区分「真」对应对 (x, y) 和「假」对应对 (G(x), y)。(下图)迁移:我们使用姿势检测器 P:Y ′ → X ′来获取源人物的姿势关节,然后通过归一化过程 Norm 将这些姿势关节迁移到目标人物的关节,为目标人物创建对应的姿势简笔画。接下来我们使用训练好的映射 G 来生成目标人物的新视频。

  我们修改了 pix2pixHD [33] 的对抗训练设置来生成时间相干视频帧、合成逼真的人脸图像。

  为了创建视频序列,我们修改了单个图像生成设置来增强相邻帧之间的时间连贯性,如图 4 所示。

  我们添加了专门的 GAN 设置,旨在为面部区域添加更多细节和线 所示。结果显示该 GAN 设置产生了比较真实的面部特征,模型简化测试显示其改善了完整图像 GAN 的结果。

  图 5:Face GAN 设置。残差由生成器 G_f 来预测,并从主生成器添加到原始人脸预测中。

  图 6:迁移结果。每一部分展示了五个连续帧。顶部一行显示源人物,中间一行显示标准化的姿势简笔画,底部一行显示目标人物的模型输出。

  图 7:不同模型合成结果的比较。图像被裁剪成围绕原始姿势的边界框。T.S. 表示具有时间平滑设置的模型,T.S. + Face 是具有时间平滑设置和 Face GAN 的完整模型。时间平滑设置为手、头、上衣和阴影添加了细节。这些细节在完整的模型中延续,包括脸部和周围区域的附加细节,从而产生最逼真的合成结果。北京赛车投注平台:

  图 8:验证集上不同模型的人脸图像对比。T.S. 表示具有时间平滑设置的模型,T.S. + Face 是具有时间平滑设置和 Face GAN 的完整模型。时间平滑设置和 Face GAN 的增加使得细节得到改善,失真程度得以减少。

此文关键字: 最简单小木雕 创意雕塑校园 人物简笔画 树脂人物雕塑 创意城市雕塑