原標題：DensePose姿態遷移，只用一張照片也能跳起舞|ECCV

怎樣讓一個面朝鏡頭、靜止不動的妹子，跳起你爲她選的舞蹈，把360度身姿全面呈現？

Facebook團隊，把負責感知的多人姿勢識別模型DensePose，與負責生成的深度生成網絡結合起來。

不管是誰的感人姿勢，都能附體到妹子身上，把她單一的靜態，變成豐富的動態。

這項研究成果，入選了ECCV 2018。

團隊把SMPL多人姿態模型，跟DensePose結合到一起。這樣一來，就可以用一個成熟的表面模型來理解一張圖片。

這項研究，是用基於表面的神經合成，是在閉環裏渲染一張圖像，生成各種新姿勢。

照片中人需要學習的舞姿，來自另一個人的照片，或者視頻截圖。

DensePose系統，負責把兩張照片關聯起來。具體方法是，在一個公共表面UV座標系 (common surface coordinates) 裏，給兩者之間做個映射。

但如果單純基於幾何來生成，又會因爲DensePose採集數據不夠準確，還有圖像裏的自我遮擋 (比如身體被手臂擋住) ，而顯得不那麼真實。

那麼，團隊處理遮擋的方法是，在表面座標系裏，引入一個圖像修復 (Impainting) 網絡。把這個網絡的預測結果，和一個更傳統的前饋條件和成模型預測結合起來。

這些預測是各自獨立進行的，然後再用一個細化模塊來優化預測結果。把重構損失、對抗損失和感知損失結合起來，優勢互補，得出最終的生成效果。

完整的網絡結構，就如上圖這般。

模型的監督學習過程，是這樣的：

從輸入的源圖像開始，先把它的每個像素對應到UV座標系裏。這一步是DensePose驅動的遷移網絡完成的。

然後，負責修復圖像的自編碼器，就來預測照片中人的不同角度會是什麼樣子。這步預測，也是在扭曲的座標系裏完成的。

從右邊開始，就是生成目標，同樣要整合到UV座標系中。再用損失函數 來處理 (上圖紅字部分) 把結果輸入自編碼器，幫助模型學習。

用同一人物 (同樣裝扮) 的多個靜態姿勢來作監督，替代了360度旋轉的人體。

先來看一下，新加入的圖像修復步驟，生成的效果：

把DensePose的質地紋路，修復一下，還是有明顯效果的。

再來看一下多人視頻什麼樣子：

雖然，臉部好像燒焦的樣子，但已經很鬼畜了。在下不由得想起：

另外團隊用DeepFashion數據集，對比了一下自家算法和其他同行。

結果是，結構相似度 (Structural Similarity) ，以假亂真度 (Inception Score) 以及檢測分 (Detection Score) 這三項指標，Facebook家的算法表現都超過了前輩。

各位請持續期待，DensePose更多鬼畜的應用吧。

論文傳送門：https://arxiv.org/pdf/1809.01995.pdf

順便一提，教人學跳舞的算法真的不少。

比如，伯克利舞癡變舞王，優點是逼真，缺點是無法實現多人共舞：

vs

— 完 —

歡迎大家關注我們的專欄：量子位 - 知乎專欄

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公衆號(QbitAI)對話界面，回覆“招聘”兩個字。

量子位 QbitAI· 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態