最近似乎有很多技术可以通过从人类运动中提取运动来创建新运动。 (vid2vid,vid2game,pose2pose)
斯坦福大学研究的Vid2Player使用实际的网球拉力赛视频数据来创建网球运动员的位置和动作,以根据球的位置来击球。
我们使用CycleGAN进行图像到图像的转换,以预处理网球拉力赛的结构,例如“回头击球”,并预处理数据中的阴影和切口。
源代码不是公开的,您可以在项目站点上看到有趣的演示结果,例如Federer和Federer集会。
最近似乎有很多技术可以通过从人类运动中提取运动来创建新运动。 (vid2vid,vid2game,pose2pose)
斯坦福大学研究的Vid2Player使用实际的网球拉力赛视频数据来创建网球运动员的位置和动作,以根据球的位置来击球。
我们使用CycleGAN进行图像到图像的转换,以预处理网球拉力赛的结构,例如“回头击球”,并预处理数据中的阴影和切口。
源代码不是公开的,您可以在项目站点上看到有趣的演示结果,例如Federer和Federer集会。