일반 소개
박판 스플라인 모션 모델은 CVPR 2022에서 발표된 획기적인 이미지 애니메이션 생성 프로젝트입니다. 이 프로젝트는 박판 스플라인 변환 이론을 기반으로 하며, 주행 영상을 기반으로 정적 이미지의 고품질 애니메이션을 구현할 수 있습니다. 이 프로젝트는 엔드투엔드 비지도 학습 프레임워크를 채택하여 소스 이미지와 주행 영상 사이에 포즈 차이가 큰 상황을 처리하는 데 특히 효과적입니다. 이 모델은 얇은 스플라인 모션 추정과 다중 해상도 마스킹을 혁신적으로 도입하여 보다 자연스럽고 부드러운 애니메이션 효과를 생성할 수 있습니다. 이 프로젝트는 전체 코드 구현을 오픈소스로 공개할 뿐만 아니라 사전 학습된 모델과 온라인 데모도 제공하여 연구자와 개발자가 이 기술을 쉽게 재현하고 적용할 수 있도록 지원합니다.
공개 이미지 대변인이 퇴사하면 어떻게 하나요? 대변인 이미지 사진을 보관한 다음 다른 사람이 동영상을 녹화하도록 하면 얼굴 스와핑 기술과 유사하게 대변인 사진이 녹화된 동영상의 동작을 모방하여 동영상을 생성할 수 있습니다.

기능 목록
- 정적 이미지 애니메이션 생성
- 여러 데이터 세트(복스셀럽, 태극권, TED 강연 등)에 대한 교육 지원
- 사전 학습된 모델을 다운로드할 수 있습니다.
- 웹 기반 온라인 프레젠테이션 지원(허깅 페이스 스페이스 통합)
- 온라인에서 실행되는 Google Colab 지원
- 멀티 GPU 트레이닝 지원
- AVD(고급 비디오 디코더) 네트워크 트레이닝 기능 제공
- 비디오 재구성 평가 기능
- Python API 호출 지원
- 도커 환경 지원
도움말 사용
1. 환경 설정
이 프로젝트에는 Python 3.x 환경(Python 3.9 권장)이 필요하며 설치 단계는 다음과 같습니다:
- 프로젝트 웨어하우스 복제:
git clone https://github.com/yoyo-nb/Thin-Plate-Spline-Motion-Model.git
cd Thin-Plate-Spline-Motion-Model
- 종속성을 설치합니다:
pip install -r requirements.txt
2. 데이터 준비
이 프로젝트는 여러 데이터 집합을 지원합니다:
- MGif 데이터 세트: Monkey-Net 프로젝트를 참조하여 가져옵니다.
- 타이치HD 및 복스셀럽 데이터 세트: 비디오 전처리 가이드라인에 따른 처리
- TED 강연 데이터 세트: MRAA 프로젝트 가이드라인 따르기
전처리 데이터 세트 다운로드(예: VoxCeleb):
# 下载后合并解压
cat vox.tar.* > vox.tar
tar xvf vox.tar
3. 모델 교육
기본 교육 주문:
CUDA_VISIBLE_DEVICES=0,1 python run.py --config config/dataset_name.yaml --device_ids 0,1
AVD 네트워크 교육:
CUDA_VISIBLE_DEVICES=0 python run.py --mode train_avd --checkpoint '{checkpoint_folder}/checkpoint.pth.tar' --config config/dataset_name.yaml
4. 비디오 재구성 평가
CUDA_VISIBLE_DEVICES=0 python run.py --mode reconstruction --config config/dataset_name.yaml --checkpoint '{checkpoint_folder}/checkpoint.pth.tar'
5. 그래픽 애니메이션 프레젠테이션
다양한 사용 방법을 제공합니다:
- 주피터 노트북: demo.ipynb 사용
- Python 명령줄:
CUDA_VISIBLE_DEVICES=0 python demo.py --config config/vox-256.yaml --checkpoint checkpoints/vox.pth.tar --source_image ./source.jpg --driving_video ./driving.mp4
- 웹 데모:
- 인터뷰얼굴 공간 안아주기온라인 데모
- 활용복제플랫폼의 웹 데모
- 통과(청구서 또는 검사 등)Google Colab움직여야 합니다.
6. 사전 훈련 모델 획득
여러 다운로드 소스가 제공됩니다:
- Google 드라이브
- Yandex 디스크
- 바이두닷컴(추출 코드: 1234)
7. 주의 사항
- 더 나은 결과를 얻으려면 더 많은 데이터와 더 긴 훈련 주기로 훈련하는 것이 좋습니다.
- 충분한 GPU 메모리 확보
- 교육에는 사전 처리된 데이터 세트를 사용하는 것이 좋습니다.
© 저작권 정책
기사 저작권 AI 공유 서클 모두 무단 복제하지 마세요.
관련 문서
댓글 없음...