零基础也可以变身舞王C位出道？因为有Ta

灵活的身段、超准的节奏感、分毫不差的动作，你可能羡慕过社交网络视频里大神的舞蹈，以为那是一项台上一分钟台下十年功的技术活。而现在，加州大学伯克利分校的研究人员则研究出一套方法，让“零基础”的你秒变舞王C位出道。具体究竟如何操作？且看下文详解。

作者：铜灵 栗子发自 凹非寺

不会跳舞？不存在的。

现在只要有别人跳舞的视频，你也随时都可以是视频里的主角，而且无需动辄昂贵的3D或是动作捕捉技术。

最近，加州大学伯克利分校的研究人员提出了一种简单的动作转移方法：输入一段优美标准的跳舞视频，再输入你的随性动作，几分钟后，一段流畅、标准、感人的舞蹈就被合成出来了，而里面的主角正是你~

无论是优美高雅的芭蕾舞：

还是动感活力的现代舞：

都能Hold住，而且效果感人。

其实，无论什么舞种，只要给定目标视频和你自己的视频，随时可以C位出道。

果真这么神奇？

主要方法

在这项任务中，研究人员提出了一种在不同视频中迁移动作的方法，即通过端对端基于像素的pipeline。

巧妇难为无米之炊，在合成视频前，我们需要先拿两个视频：一个是想最终合成那种style的源对象视频，并一种我们自己（目标人物）的随机动作视频。

大方法框架确定后，研究人员开始思考实现的细节。若是合成的视频卡顿还如何C位出道？因此，研究人员想逐帧实现两个视频主体之间的传输，就得学习两个人图像之间的映射，在源视频集和目标视频集中找到图像到图像的转换。

接下来就简单明了了，想完成图像转换，就得先找到关键点的姿势。两人外形之间的差异不重要，从动作中找到姿势图才是最重要的。

△ 从人物动作（右）中捕捉到的姿势图（左）

因此，研究人员对每一帧图像进行姿势检测，产生一组源视频中人和目标视频人物之间的一组姿势对，以监督学习的方式学习两人之间的姿势图。这样，经过训练后，模型就初步具备了合成舞蹈的能力。

△ 从源视频到目标视频主体之间的动作传输

最后，研究人员添加了两步操作提升视频质量：为了让合成的视频具有时间平滑性，他们在视频每一帧前都添加了时间步预测。为了让生成视频中人物面部看起更自然，研究人员还训练了一个专门的脸部GAN模型。

现在，你想要赋予舞蹈能力的那个人，已经在翩然起舞了。

原理是这样的

△教练我想学跳舞

要把舞者 (A) 的舞蹈动作，转移到“习舞之人” (B) 的身上，AI必须掌握其中的对应关系。从A到B，逐帧翻译，表面看去是这样的。

但事实上，团队并没有用 (来源 + 目标) 成对的图片，来训练神经网络。

因为就算对两个目标执行相同的程序，出来的效果也不会一样，毕竟身材等因素是人人不同的。

个体差异如何解决？

团队发现，基于关键点 (keypoint-based) 的姿势，就是火柴人，可以做A、B之间的桥梁。

给B视频 (目标人物视频) 的每一帧，生成一只火柴人，和那一帧原本的图像，对应起来。

整段视频处理下来，AI就会获得一对对的数据，以便学习火柴人和图像之间的对应关系。这样一来，针对每一个目标，AI都能学到一套不同的规则，不会受到个体差异的太多限制。

然后，把A视频 (源视频) 的每一帧，也做成火柴人，让AI按照学到的规则为B生成姿势，就好了。不需要动作捕捉设备，不需要3D数据，这个方法真的便宜，只要好好学习。

具体怎样训练？

就像上文提到的，用了一个姿势检测器 (P) ，给目标视频的每一帧做个火柴人。然后，AI就来学习火柴人和视频截图之间的对应关系。

这里用的是对抗学习：生成模型生成的是火柴人与视频截图之间的映射 (Mapping) ；判别模型会分辨哪些对应是真的，哪些是假的。

生成模型的配对能力，会在与判别模型抗争的过程中走向完美。

训练后的实战

训练完成之后，就可以用以下步骤来帮助目标人物学舞了：

也是上文提到的，给源视频的每一帧，做个火柴人。让学成出师的AI，用火柴人帮目标视频的主人公，解锁新姿势。

中间，火柴人的位置会调整一下，适应目标视频的主角，在取景框里所处的位置。

脸也是GAN做的

跳舞除了动作，也有表情。有只GAN专门负责这一部分，结构如下。在生成整个场景之后，腋以上的形态，是单独处理的，同样用到了火柴人。

△Face GAN

学习成果集锦

上文旱地游泳的男子，综艺效果出众，这一章节不会放过他。先看静态：

而原来的舞者是这样的：

全身上下对比之后，没有看出动作上的明显差异。

为何游泳部就不像在跳舞？一定是穿的衣服不对。

再看看动态，似乎正常了许多，舞步轻盈。虽然，还是中间的妹子比较适合跳舞。

几分钟就解锁了高端舞姿，游泳部有点想上天 (下图所示) 。也可能是，老师并没有教他上天，他的领会有所偏差：

说不定，老师们也觉得一同习舞的妹子更优秀。

于是，单独传授了一些舞步给她，游泳部并不知情：

BAIR出品

目前，这项研究的论文已经公布，这篇题为Everybody Dance Now的论文由加州大学伯克利分校的Caroline Chan、Shiry Ginosar、Tinghui Zhou和Alexei A. Efros四人共同完成。

Alexei A. Efros是一个有维基百科词条的研究人员~因为观点和言论经常被《连线》、BBC News、《纽约时报》和《纽约客》等知名外媒引用，因此也成了一名网红学者。

目前，Efros担任加州大学伯克利分校人工智能实验室（BAIR）的副教授，在加入此校前，他曾在牛津大学和卡内基梅隆大学（CMU）任职过，2016年还曾获ACM计算机奖。

△ Alexei A. Efros

多方评论

“这项研究看起来太酷了！”Reddit网友Avoc_Ado感叹。

“可怕，你完全可以在一部恐怖电影中使用它，真是不可思议的工作：）。”有网友对这项技术的应用感到惊奇。

“我想看唐纳德·特朗普像Mille＆Vanillie一样跳舞。”这位ogs_kfp_t网友，你又皮了~

总体来说，这还真是一项好评如潮的畅销研究。

传送门

最后，一起欣赏下论文实现视频：

若想一览研究全貌，可移步论文地址：

https://arxiv.org/abs/1808.07371

就酱~祝你玩得开心

可能你还想看这些文章