北大阿里中科院提出细粒度人体姿态迁移方法，提升外观细节逼真度-CSDN博客

#人体姿态迁移#

Towards Fine-grained Human Pose Transfer with Detail Replenishing Network

基于细节补充网络的细粒度人体姿态迁移研究

人体姿态迁移（HPT）是一个新兴的研究课题，在时装设计、媒体制作、网络广告和虚拟现实等领域具有巨大的应用潜力。对于这些应用来说，外观细节的视觉逼真度对制作质量和用户参与度至关重要。然而，现有的HPT方法往往存在三个基本问题：细节缺陷、内容模糊和风格不一致，严重降低了生成图像的视觉质量和真实度。针对现实世界的应用，我们开发了一种更具挑战性但又更实用的HPT设置，被称为Fine-grained Human Pose Transfer (FHPT)，更注重语义保真和细节补充。

具体来说，我们通过一个例子分析了现有方法的潜在设计缺陷，并将内容合成和特征转移的思想梳理在一起，以相互指导的方式建立了FHPT的核心方法论。此后，我们用一个细节补充网络（DRN）和相应的粗到细模型训练方案来证实所提出的方法。

此外，我们建立了一套完整的细粒度评估协议，以全面解决FHPT的挑战，包括语义分析、结构检测和感知质量评估。在DeepFashion基准数据集上进行的大量实验验证了所提出的基准方法与该领域最初工作相比的优势，在Top-10检索召回上有12%-14%的增益，联合定位精度提高了5%，在人脸身份保持上的增益接近40%。

作者 | Lingbo Yang, Pan Wang, Chang Liu, Zhanning Gao, Peiran Ren, Xinfeng Zhang, Shanshe Wang, Siwei Ma, Xiansheng Hua, Wen Gao

单位 | 北大、阿里、中国科学院大学

论文 | https://arxiv.org/abs/2005.12494

欢迎文末扫码，加入姿态估计、迁移技术交流群。

论文不用下载了！完整论文如下：