点赞再看，养成习惯，微信公众号搜索【JackCui-AI】关注这个爱发技术干货的程序员。本文 GitHub https://github.com/Jack-Cherish/PythonPark 已收录，有一线大厂面试完整考点、资料以及我的系列文章。
最近看到了一个很好玩的算法，人体的动作迁移。
给定一张或者多张人物 A 的图像，和一段人物 B 的视频，就可以通过动作迁移算法自动合成一段人物 A 做任务 B 动作的视频。
看看阿川老师模仿阿坤老师等人的舞姿（点击播放视频）：
要不是马保国被封杀了，绝对给大家来一段“松果弹抖闪电鞭”。
准备好素材和电脑，今天继续手把手教学。
算法原理、环境搭建、效果实现，一条龙服务，尽在下文！
1 Impersonator++
Impersonator++的前身是去年发表的Impersonator。这项工作，上海科技大学的 LiuWen 、Zhixin Piao 等人，探索了三年。
去年的 Impersonator 早已入选计算机视觉顶会 ICCV 2019。
又经过了一年多的努力，增强版 Impersonator++ 诞生了。
Impersonator++ 解决了去年算法的泛化性较差，尺度太较小（256 x 256）, 以及自动化程度不够高等问题。
Impersonator++ 不仅可以做人体的动作迁移，人体图像合成的其它任务都可以 Cover，例如新视角合成、外观迁移。
它们在重演、角色动画、虚拟试装、电影以及游戏制作等领域具有巨大的应用潜力。
动作迁移（模仿）的目标是把 source human image 的动作，变换成 reference human image 的动作。
新视角合成，就是对视角进行转换，比原图是一张正面图，去合成他的背面图。
外观迁移是交换两张图像中人物的外观（如衣服，裤子，鞋子等，但是不包含脸部）。
研究者针对上个版本的问题，探索提出了第二个版本 Liquid Warping GAN with Attention。
整个处理流程分为三个步骤：Body Mesh Recovery、Flow Composition、Liquid Warping GAN。
Body Mesh Recovery 阶段是对所有图片进行三维重建，生成每帧人物的 3D Mesh，然后进行渲染。
Flow Composition 阶段是分离前景和背景，并计算运动需要的一系列旋转矩阵，以备后动作渲染。
Liquid Warping GAN 阶段是生成结果的过程，利用到了背景修复 Inpainting 算法，同时利用 LWB 或 AttLWB 生成头发、衣服等细节纹理。
想要更好的修复效果，可以使用多帧图像作为 Source Image。
更详细的技术细节，可以直接看 paper：
https://arxiv.org/pdf/2011.09...
2 效果测试
Github 项目地址：
https://github.com/iPERDance/...
强烈建议使用 Linux 搭建环境，我自己在 Windows 上测试发现存在一些问题，与作者微信联系，他们表示近期会修复。
没有 GPU 的，也可以白嫖 Google Colab，环境都是配好的，直接挨个 cell 运行即可体验。
Google Colab 地址：
https://colab.research.google...\_?usp=sharing
如果没梯子，那只能用 Linux 服务器搭建开发环境了，或者等 Windows 修复。
Linux 环境配置，没啥问题，直接安装 CUDA 10.1 以上版本，并安装 gcc 7.5+ 和 ffmpeg。
然后下载代码，进入工程目录，使用如下指令安装依赖：
python setup.py develop搞定后，下载算法需要的权重文件，项目的权重文件需要梯子才能下载，否则很慢。
为了方便大家，我将论文和权重文件，上传到了百度网盘，需要的自取（提取码：jack）：
https://pan.baidu.com/s/1932\_Nyk8buXHd1bDUphygA
将权重文件解压到 assets 目录即可。
都配置好后，直接运行命令：
python demo/motion_imitate.py --gpu_ids 0 \命令参数的详细说明，在 motion\_imitate.py 文件里写的很详细，这里就不再累述。
运行命令，大功告成。
3 絮叨
我知道，看了这篇文章，你一定又有了很多大胆的想法。
这个算法会占领新一轮的鬼畜区吗？
我是 Jack ，我们下期见。
·················END·················
作者：Jack Cui
原文：https://mp.weixin.qq.com/s/p5...
关注作者公众号，获取更多有趣AI应用~
系列篇
更多AIoT领域有趣的算法应用及产品请关注有趣的AIoT应用专栏。
