该死，这糟糕的心动感
大家好，我是 Jack。
不知道各位小伙伴，还记不记得，我 2020 年发过的一篇文章。
让图片，动起来，用特朗普和蒙娜丽莎的图片，合唱了一首《Unravel》，效果是这样的。
今天，给大家介绍一个，比这个效果更好，功能更多的算法。
通过一个视频，就可以驱动静止的图片，按照视频的动作，运动起来。
成龙大哥，驱动各个图片的效果：
除了驱动头像，还可以驱动身体。
该死，这糟糕的心动感，我必须跑一跑这个算法。
今天，继续手把手教学。
算法原理、环境搭建、效果实现，一条龙服务，直接开始！
算法原理
论文的名字是：
「Thin-Plate Spline Motion Model for Image Animation」
清华大佬们的作品，翻译成中文大概意思是，基于薄板样条插值的图像运动模型。
我大致浏览了下论文，针对一些现有的无监督学习方法，进行了改进。
像 2020 年我介绍的算法：
「First Order Motion Model for Image Animation」
缺少背景修复，也就是inpainting，这样生成的运动效果就不够逼真。
今天要介绍的算法，对此做了改进，成为了新的 SOTA。
这类算法还是挺有意思的，可以用在视频会议、直播、视频特效、娱乐短视频等多种场景。
算法主要分为四个部分：
Keypoint Detector：关键点预测，输出人体的关键点。 BG Motion Predictor：图像背景也是运动的，背景变化预测。 Dense Motion Network：可以理解为运动估计网络，结合关键点信息、背景运动信息，以及局部仿射变换信息，生成下一步的动作。 Inpainting Network：对运动后空缺的部位进行补全，填充背景。
Dense Motion Network 和 Inpainting Network 的网络都是 hourglass 结构，就是先下采样，再上采样，形似沙漏状，密歇根大学的研究团队在ECCV2016发表的比较经典的网络结构。
这个算法，是一个新的端到端算法，提出了 TPS motion estimation 方法来驱动图像。
篇幅有限，更详细的内容，可以直接看论文：
https://arxiv.org/pdf/2203.14367.pdf
项目部署
算法已经开源：
项目地址：
https://github.com/yoyo-nb/Thin-Plate-Spline-Motion-Model
首先需要搭建开发环境，这里还是建议使用 Anaconda，安装一些必要的第三方库，可以参考这两篇开发环境搭建的内容：
Pytorch深度学习实战教程（一）：语义分割基础与环境搭建
两篇开发环境搭建教程，如果想手把手的视频教程，可以参考这个：
https://www.bilibili.com/video/BV14R4y1g7qs
环境搭建的问题，文章和视频教程都出过了，可以参考，这里就不再累述。
项目的 requirements.txt 详细列出了依赖。
cffi==1.14.6
cycler==0.10.0
decorator==5.1.0
face-alignment==1.3.5
imageio==2.9.0
imageio-ffmpeg==0.4.5
kiwisolver==1.3.2
matplotlib==3.4.3
networkx==2.6.3
numpy==1.20.3
pandas==1.3.3
Pillow==8.3.2
pycparser==2.20
pyparsing==2.4.7
python-dateutil==2.8.2
pytz==2021.1
PyWavelets==1.1.1
PyYAML==5.4.1
scikit-image==0.18.3
scikit-learn==1.0
scipy==1.7.1
six==1.16.0
torch==1.10.0+cu113
torchvision==0.11.0+cu113
tqdm==4.62.3
使用 conda 或者 pip 安装即可。
环境弄好，下载权重文件，作者提供了清华云盘，下载速度还不错。
https://cloud.tsinghua.edu.cn/d/30ab8765da364fefa101/
创建一个 checkpoints 文件夹，然后将权重文件放进去。
然后就可以下面的指令运行算法：
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
CUDA_VISIBLE_DEVICES 指定 gpu，config 指定配置文件，checkpoint 指定权重文件，source_image 指定原始图像，driving_video 为驱动图像的视频文件。
如果不想部署本地的环境，也可以使用 Colab：
https://colab.research.google.com/drive/1DREfdpnaBhqISg0fuQlAAIwyGVn1loH_?usp=sharing
这个算法是没有声音的，如果想添加声音，生成一个视频，可以参考我之前的代码改造下这个算法。
我之前用的是 ffmpeg 写的处理代码。
总结
怎么样？鬼畜素材又有了吧。
想看这个算法的视频教程吗？考虑要不啥时候开个直播，随便聊聊。
我是 Jack，我们下期见~
推荐阅读
微信扫码关注该文公众号作者