基于空间自适应实例归一化的神经姿态迁移
计算机视觉与模式识别
2020-06-01 v2
摘要
姿态迁移已被研究数十年，其将源网格的姿态施加到目标网格上。特别是在本文中，我们关注将源人体网格的姿态迁移以变形目标人体网格，而源和目标网格可能具有不同的身份信息。传统研究假设成对的源和目标网格存在且带有用户标注的地标/网格点的逐点对应关系，这需要繁重的标注工作。另一方面，当源和目标网格具有不同身份时，深度模型的泛化能力受限。为打破此限制，我们提出了首个神经姿态迁移模型，该模型通过最新的图像风格迁移技术解决姿态迁移问题，利用了新提出的组件——空间自适应实例归一化。我们的模型不需要源和目标网格之间的任何对应关系。大量实验表明，所提模型能有效地将形变从源网格迁移到目标网格，并具有良好的泛化能力来处理未见过的网格身份或姿态。代码见 https://github.com/jiashunwang/Neural-Pose-Transfer 。
引用
@article{arxiv.2003.07254,
title = {Neural Pose Transfer by Spatially Adaptive Instance Normalization},
author = {Jiashun Wang and Chao Wen and Yanwei Fu and Haitao Lin and Tianyun Zou and Xiangyang Xue and Yinda Zhang},
journal= {arXiv preprint arXiv:2003.07254},
year = {2020}
}
备注
Accepted by CVPR2020