图像迁移最新成果：人体姿势和舞蹈动作迁移

图像迁移最新成果：人体姿势和舞蹈动作迁移

 加州大学伯克利分校的研究人员，近日在着名预印本网站arXive 上，发布了最新的图像迁移成果：人体姿势和舞蹈动作迁移。旨在把专业舞蹈演员的动作迁移到不会跳舞的人身上，算法输出流畅，还原度极高。小编在感叹黑科技真厉害的同时，不禁为该算法的用途捏一把汗。因为就在不久前的DeepFakes 深度换脸算法，还被人拿来将明星的脸换到成人影片上。

 这篇文章的名字叫做：Everybody Dance Now，是加州大学伯克利分校的研究人员：Caroline Chan, Shiry Ginosar, TingHui Zhou, Alexei A. Efros 在8月22日提交到arXiv上的。文章中提出了一个简单动作迁移的方法：首先选择一支单人跳舞视频作为源视频，将其中的动作转换到目标视频中。只需要几分钟，在另一个目标视频上的目标人员（完全不会跳舞的人）就会呈现同样的动作。

 文章将动作姿态迁移看作是每一帧上图像到图像的转换，同时保证时间和空间的流畅。用动作探测器作为源视频和目标视频中间的表示，学习了一组从舞者动作画面到目标物体的映射，并且对这些数据进行调整，让它与视频完美融合，同时还加上了真实的人脸合成。通过这一框架，他们让很多未经训练的人跳出了芭蕾和街舞。