电脑端网站和手机网站区别,湖北联诺建设网站,修改wordpress评论框,wordpress 镜像一、模型介绍
MusePose是一个基于扩散和姿势引导的虚拟人视频生成框架。
主要贡献可以概括如下#xff1a;
发布的模型能够根据给定的姿势序列#xff0c;生成参考图中人物的舞蹈视频#xff0c;生成的结果质量超越了同一主题中几乎所有当前开源的模型。发布该 pose alig…一、模型介绍
MusePose是一个基于扩散和姿势引导的虚拟人视频生成框架。
主要贡献可以概括如下
发布的模型能够根据给定的姿势序列生成参考图中人物的舞蹈视频生成的结果质量超越了同一主题中几乎所有当前开源的模型。发布该 pose align 算法以便用户可以将任意舞蹈视频与任意参考图像对齐这显著提高了推理性能并增强了模型的可用性。修复了几个重要的错误并在 Moore-AnimateAnyone的代码基础上做了一些改进。
二、部署流程
1. 环境要求
Python 3.10 或更高版本推荐CUDA 11.7 或更高版本
2. 克隆并安装依赖项
git clone https://github.com/TMElyralab/MusePose.git
pip install -r requirements.txt3. 下载mim软件包
pip install --no-cache-dir -U openmim
mim install mmengine
mim install mmcv2.0.1
mim install mmdet3.1.0
mim install mmpose1.1.04.下载权重
git lfs install
git clone https://www.modelscope.cn/jackle/ComfyUI-MusePose-models.gitpretrained_weights 最后这些权重应按如下方式组织
./pretrained_weights/
|-- MusePose
| |-- denoising_unet.pth
| |-- motion_module.pth
| |-- pose_guider.pth
| └── reference_unet.pth
|-- dwpose
| |-- dw-ll_ucoco_384.pth
| └── yolox_l_8x8_300e_coco.pth
|-- sd-image-variations-diffusers
| └── unet
| |-- config.json
| └── diffusion_pytorch_model.bin
|-- image_encoder
| |-- config.json
| └── pytorch_model.bin
└── sd-vae-ft-mse|-- config.json└── diffusion_pytorch_model.bin三、推理
1. 准备
在文件夹中准备参考图片和舞蹈视频 ./assets并按照示例进行组织
./assets/
|-- images
| └── ref.png
└── videos└── dance.mp42. 姿势对齐
获取参考图的对齐 dwpose
python pose_align.py --imgfn_refer ./assets/images/ref.png --vidfn ./assets/videos/dance.mp4此后您可以在其中看到姿势对齐结果 ./assets/poses其中 ./assets/poses/align/img_ref_video_dance.mp4 是对齐的 dwpose而 ./assets/poses/align_demo/img_ref_video_dance.mp4 用于调试。 3. 推断 MusePose
将参考图的路径和对齐的 dwpose 添加到测试配置文件中./configs/test_stage_2.yaml 例如
test_cases:./assets/images/ref.png:- ./assets/poses/align/img_ref_video_dance.mp4然后只需运行
python test_stage_2.py --config ./configs/test_stage_2.yaml./configs/test_stage_2.yaml 是推理配置文件的路径。 最后你可以在 ./output/文件夹下查看
4. 降低 VRAM 成本
如果要降低 VRAM 成本可以设置推理的宽度和高度。例如
python test_stage_2.py --config ./configs/test_stage_2.yaml -W 512 -H 512它将首先生成 512 x 512 的视频然后将其调整回姿势视频的原始大小。
目前在 512 x 512 x 48 上运行需要 16GB VRAM在 768 x 768 x 48 上运行需要 28GB VRAM。但需要注意的是推理分辨率会影响最终结果尤其是人脸区域。
5. 面部美容
如果要增强脸部区域以获得更好的脸部一致性可以使用FaceFusion。您可以使用该 face-swap 功能将参考图中的脸部交换到生成的视频中。
四、界面演示
