DisPose是一項(xiàng)由北京大學(xué)、中國科學(xué)技術(shù)大學(xué)、清華大學(xué)和香港科技大學(xué)的研究團(tuán)隊(duì)共同開發(fā)的先進(jìn)技術(shù)，旨在提升人物圖像動(dòng)畫的質(zhì)量。該技術(shù)通過從骨骼姿態(tài)和參考圖像中提取有效的控制信號，實(shí)現(xiàn)了無需額外密集輸入的動(dòng)畫效果。DisPose的核心在于將姿態(tài)控制分解為場引導(dǎo)和關(guān)鍵點(diǎn)對應(yīng)，從而生成密集的場，以提供區(qū)域級的引導(dǎo)，同時(shí)具備對不同體型的良好泛化能力。

DisPose是什么

DisPose是一個(gè)創(chuàng)新的技術(shù)解決方案，它通過提取骨骼姿態(tài)和參考圖像中的有效控制信號，顯著提高人物圖像動(dòng)畫的質(zhì)量。該技術(shù)不依賴于額外的密集輸入，能夠?qū)⒆藨B(tài)控制有效分解為場引導(dǎo)與關(guān)鍵點(diǎn)對應(yīng)，進(jìn)而生成密集場以實(shí)現(xiàn)區(qū)域級別的引導(dǎo)，同時(shí)保持對不同體型的適應(yīng)能力。DisPose還包括一個(gè)即插即用的混合ControlNet模塊，旨在提升現(xiàn)有視頻生成模型的質(zhì)量和一致性。

DisPose的主要功能

• 場引導(dǎo)：從骨骼姿態(tài)生成密集場，提供區(qū)域級的引導(dǎo)，增強(qiáng)視頻中的動(dòng)作一致性。
• 關(guān)鍵點(diǎn)對應(yīng)：提取與參考圖像中的姿態(tài)關(guān)鍵點(diǎn)相關(guān)的擴(kuò)散特征，確保身份信息的一致性。
• 即插即用模塊：作為插件模塊，能夠無縫整合到現(xiàn)有的人物圖像動(dòng)畫模型中，無需對現(xiàn)有模型參數(shù)進(jìn)行修改。
• 質(zhì)量與一致性提升：混合ControlNet模塊提升生成視頻的整體質(zhì)量和視覺一致性。
• 無需額外密集輸入：在不依賴額外密集輸入（如深度圖）的情況下工作，降低對參考角色和驅(qū)動(dòng)視頻間身體形狀差異的敏感性。

DisPose的技術(shù)原理

• 場估計(jì)：
  • 稀疏場：利用DWpose對骨骼姿態(tài)進(jìn)行估計(jì)，通過關(guān)鍵點(diǎn)追蹤位移，表示為軌跡圖。
  • 密集場：條件傳播（CMP）基于稀疏場和參考圖像，預(yù)測密集場，提供更精細(xì)的信號。
• 關(guān)鍵點(diǎn)特征提取：通過預(yù)訓(xùn)練的圖像擴(kuò)散模型提取參考圖像的DIFT特征，并將這些特征與關(guān)鍵點(diǎn)相對應(yīng)，形成關(guān)鍵點(diǎn)特征圖。
• 混合ControlNet：設(shè)計(jì)了混合ControlNet，在訓(xùn)練過程中進(jìn)行更新，無需凍結(jié)現(xiàn)有模型的其他部分，便于將場引導(dǎo)和關(guān)鍵點(diǎn)對應(yīng)無縫整合到現(xiàn)有動(dòng)畫模型中。
• 特征融合：
  • 通過特征融合層將稀疏和密集特征結(jié)合，生成最終的場引導(dǎo)信號。
  • 基于多尺度點(diǎn)編碼器將關(guān)鍵點(diǎn)特征與U-Net編碼器的中間特征結(jié)合，增強(qiáng)特征的語義對應(yīng)性。
• 控制信號集成：將場引導(dǎo)和關(guān)鍵點(diǎn)對應(yīng)作為額外的控制信號，注入到潛在的視頻擴(kuò)散模型中，以生成準(zhǔn)確的人物圖像動(dòng)畫。

DisPose的項(xiàng)目地址

• 項(xiàng)目官網(wǎng)：lihxxx.github.io/DisPose
• GitHub倉庫：https://github.com/lihxxx/DisPose
• arXiv技術(shù)論文：https://arxiv.org/pdf/2412.09349

DisPose的應(yīng)用場景

• 藝術(shù)創(chuàng)作：藝術(shù)家可以使用DisPose創(chuàng)作具有特定動(dòng)作和表情的動(dòng)態(tài)藝術(shù)作品，如動(dòng)態(tài)繪畫和數(shù)字雕塑。
• 社交媒體：在社交平臺上，用戶能夠生成個(gè)性化的動(dòng)態(tài)頭像或動(dòng)態(tài)表情，提升互動(dòng)的趣味性。
• 數(shù)字人和虛擬偶像：創(chuàng)建和控制虛擬角色的動(dòng)作和表情，廣泛應(yīng)用于直播、視頻會(huì)議及虛擬偶像表演。
• 電影制作：在電影后期制作中，DisPose可以生成或修改角色的動(dòng)作，從而提高制作效率。
• 虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）：在VR和AR應(yīng)用中，生成與用戶互動(dòng)的虛擬角色，提供更加自然和逼真的互動(dòng)體驗(yàn)。

常見問題

• DisPose適用于哪些平臺？：DisPose可以集成到多種現(xiàn)有的人物圖像動(dòng)畫模型中，兼容性強(qiáng)。
• 使用DisPose需要什么樣的計(jì)算資源？：雖然DisPose可在普通的計(jì)算環(huán)境中運(yùn)行，但高性能的GPU將顯著提高處理速度和效果。
• 如何獲取DisPose的技術(shù)支持？：用戶可以通過項(xiàng)目官網(wǎng)或GitHub倉庫聯(lián)系開發(fā)團(tuán)隊(duì)，獲取技術(shù)支持和更新信息。