Dense Intrinsic Appearance Flow for Human Pose Transfer 小白解读

Dense Intrinsic Appearance Flow for Human Pose Transfer

主要提出了一种方法；通过输入姿态p2和图片x1，x1的姿势p1来生成图片x2。

具体框架：

概述：
主要结构如图，首先通过flow regresion模块求3D 外观流F和可视图V。然后将p1和p2送入pose Encoder Gep网络。将x1送入appearance encoder Gea。将Gea提取的特征与F和V进行融合，F进行特征的扭曲变形，V进行像素是否可视的变换。将feature wrap输出的ckaw放入decoder Gd。生成? ̃2，然后进一步增强生成? ̂ 2.放入辨别器。

F(ui)表示同一个人体(3D)的同一位置在不同图片的2维坐标下的差值。u’表示x1中的点，u表示x2中的点。
hi表示3D人体的一个点，V(ui)表示hi点在图片x1中是否可见。

flow regresion的具体结构如图，其中V的红色部分表示不可见部分，绿色部分表示可见部分。其中的ground truth作者是通过骨架生成3D模型来实现的。
因为存在一些3D模型不怎么符合实际。所以，作者用图像渲染器，来自这篇文章（ Angjoo Kanazawa, Michael J Black, David W Jacobs, and Jitendra Malik. End-to-end recovery of human shape and pose. In CVPR, 2018. 4, 5 ）获取。

Feature Warping 模块将Gea输出的外观特征Cka和F，V整合。
主要是在两个映射的指导下对输入图像特征进行扭曲。
F用来做扭曲，V用来做目标图像的像素丢失。
STN用来做特征图的调整。Gating做可见和不可见的区分。
然后通过两个连接层和一个叠加层输出Ckaw。

采用pixel warping来增强? ̃2在像素水平的效果。
当用F来扭曲原图X1，生成Xw，保留外观特征，出现严重畸变。
因此在? ̃2和Xw间训练一个新的Unet，接受F和V的信息，输出一个同分辨率的(0，1)范围内的标准化图像z。 起一个衡量权重的任务。

主要用了3种损失函数。一个对抗损失函数，一个L1损失，一个感知损失。
总的loss为三部分的加权和。
对抗损失函数
对抗损失函数

计算生成图与原图的差距

用预先训练的VGG19来提取生成图与原图的特征的差距。

总的损失

效果如下