Dual-task-Pose-Transformer-Network

上传人物照片和姿态，一键生成自然摆姿的新图像

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 12 🐛 待处理 2 👀 关注 2

GitHub ↗

GitHub 星标 ★ 98

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，代码公开，可自行部署使用，无收费计划。

项目预览

Dual-task-Pose-Transformer-Network 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队PangzeCheung

GitHubhttps://github.com/PangzeCheung/Dual-task-Pose-Transformer-Network

定价模式🏷️完全免费

价格说明开源项目，代码公开，可自行部署使用，无收费计划。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型cvpr2022,deepfashion,dual-task-correlation,dual-task-pose-transformer-network,gan,image-generation,market1501,person-image-generation,pose-guided-person-image-generation,pose-transfer,pytorch,transformer

GitHub 星标★ 98

上线时间2022-03-02 00:00:00

代码更新2024-04-11

仓库体积3.0 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

Dual-task-Pose-Transformer-Network 是一个用于姿态引导的人物图像生成模型，发表于 CVPR 2022。它解决的核心问题是：在给定源人物图像和目标姿态的条件下，生成保持人物外观（如服装、身份）且符合目标姿态的逼真图像。该模型创新性地将姿态迁移和外观保持视为两个相关子任务，通过双任务关联机制（Dual-task Pose Transformer Network）在 Transformer 框架内联合建模，利用姿态关键点与外观特征的交互，提升生成图像的姿态准确性和纹理细节。项目基于 PyTorch 实现，提供训练和测试代码，支持 DeepFashion 和 Market-1501 数据集，并包含预训练模型及评估指标（如 SSIM、LPIPS）。其核心能力包括端到端的姿态引导生成、双任务协同优化，以及在不同数据集上的泛化能力。