直接生成未必最优：姿态生成的渐进演化视角
计算机视觉与模式识别
2024-04-16 v2
摘要
姿态多样性是2D图像固有的代表性特征。由于3D到2D的投影机制，不同姿态图像之间存在明显的内容差异。这是困扰姿态转换相关研究的主要障碍。为应对这一挑战，我们提出一个以细粒度渐进演化为中心的姿态生成框架，而非传统急于求成的直接一对一方法。由于所提方法实际上规避了对剧烈非线性变化直接建模的理论困难，因此能够有效抑制由此产生的内容失真和模糊，同时能够精确保留各种个体姿态细节，尤其是衣物纹理。为了系统地指导演化过程，我们精心设计了全局与渐进演化约束，并将其融入整体框架。此外，还设计了一种新颖的三路径知识融合结构，以充分利用所有可用的有价值知识来进行高质量姿态合成。另外，我们的框架还能生成一系列有价值的副产品，即各种中间姿态。我们进行了大量实验以验证所提方法的有效性。代码可在 https://github.com/Xiaofei-CN/Incremental-Evolution-Pose-Generation 获取。
引用
@article{arxiv.2404.08419,
title = {Direct May Not Be the Best: An Incremental Evolution View of Pose Generation},
author = {Yuelong Li and Tengfei Xiao and Lei Geng and Jianming Wang},
journal= {arXiv preprint arXiv:2404.08419},
year = {2024}
}
备注
Accepted at AAAI2024