CN113947525B 一种基于可逆流网络的无监督动作风格迁移方法 （中山大学）_第1页
CN113947525B 一种基于可逆流网络的无监督动作风格迁移方法 （中山大学）_第2页
CN113947525B 一种基于可逆流网络的无监督动作风格迁移方法 （中山大学）_第3页
CN113947525B 一种基于可逆流网络的无监督动作风格迁移方法 （中山大学）_第4页
CN113947525B 一种基于可逆流网络的无监督动作风格迁移方法 （中山大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于可逆流网络的无监督动作风格迁本发明公开了一种基于可逆流网络的无监BVH格式的动作数据并进行预处理，将预处理后迁移的动作数据输入训练好的动作风格迁移模2S2：构建动作风格迁移模型，所述的动作风格所述的动作风格迁移模型对输入的动作数据进行处D1：将内容动作、风格动作输入到投影流网络中，通过前向传动作的第一隐藏特征映射为两个仿射参数y,8，并以此对内容动作的第一隐藏特征进行自D3：将风格化动作的第二隐藏特征输入到投影流网络并进行反S3：采用训练样本训练动作风格迁移模型，在每一S4：将待迁移的动作数据输入训练好的动作风所述的可逆1×1卷积层用于对特征图的通道维度进所述的仿射耦合层使用仿射耦合对每个通道数据进两个数据；3最后再采用仿射参数y,8进行去归一化：49.一种计算机系统，包括存储器、处理器以及存5[0004]早期的风格迁移工作使用手动提取特征，比如提取任意动作风格的频谱强度表[0006]本发明为了解决针对现有基于深度学习的动作风格迁移方法存在的对训练数据[0009]S1：获取BVH格式的动作数据并进行预处理，将预处理后的动作数据作为训练样6参数ψ和δ对其中的一半xb做仿射变换得到zb；最后使用concat()函数沿着通道维度连接b两个数据；风格动作的第一隐藏特征映射为两个仿射参数ψ,δ,并以此对内容动作的第一隐藏特征进7yy8[0063]S1：获取BVH格式的动作数据并进行预处理，将预处理后的动作数据作为训练样参数ψ和δ对其中的一半xb做仿射变换得到zb；最后使用concat()函数沿着通道维度连接b两个数据。pospospospos9风格动作的第一隐藏特征映射为两个仿射参数ψ,δ,并以此对内容动作的第一隐藏特征进要用于约束风格化动作的第二隐藏特征的均值和标准差与风格输入动作生成的仿射参数yy里设置为100°。[0125]基于实施例1所述的基于可逆流网络的无监督动作风格迁移方法，本实施例所述播过程得到内容动作c的第一隐藏特征zc和风格动作S的第一[0131]将得到内容动作c的第一隐藏特征zc和风格动作s的第一隐藏特[0151]S1：获取BVH格式的动作数据并进行预处理，将预处理后的动作数据作为训练样[0157]S1：获取BVH格式的动作数据并进行预处理，将预处理后的动作数据作

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论