摘要

本文提出了一种新颖的姿势引导人物生成网络（Pose Guided Person Generation Network，简称 PG²），该网络可根据目标人物的一张图像及其任意新姿势，合成该人物在指定姿势下的图像。PG² 生成框架显式地利用姿势信息，并包含两个关键阶段：姿势融合与图像精细化。在第一阶段，将条件图像与目标姿势输入一个类似 U-Net 的网络，生成具有目标姿势的初始但较为粗糙的人物图像。第二阶段则通过对抗性训练方式，进一步优化并细化初始结果，以获得清晰、细节丰富的图像。在 128×64 重识别图像和 256×256 时尚照片上的大量实验结果表明，所提出的模型能够生成高质量且细节逼真的人物图像。