articulated-animation

用一张图和一段视频，生成逼真的关节动画

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署视频生成 🍴 复刻 347 🐛 待处理 57 👀 关注 38

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1280

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源代码，需自行部署，无在线服务，完全免费。

项目预览

articulated-animation 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类视频生成

开发团队snap-research

官网地址https://snap-research.github.io/articulated-animation

GitHubhttps://github.com/snap-research/articulated-animation

定价模式🏷️完全免费

价格说明开源代码，需自行部署，无在线服务，完全免费。

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Jupyter Notebook

技术栈/模型deep-learning,first-order-motion-model,image-animation,video-generation

GitHub 星标★ 1280

上线时间2021-03-23 00:00:00

代码更新2025-06-01

仓库体积46.9 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3

项目介绍

articulated-animation 是论文《Motion Representations for Articulated Animation》的官方代码实现，专注于人体和物体的关节动画生成。它解决的是传统图像动画方法在非刚性物体（如人体、动物）上运动迁移不自然的问题，通过引入关节运动表示，能够从单张静态图片和一段驱动视频中生成逼真的动画。核心能力包括：基于关键点和局部仿射变换的运动估计、背景与前景的分离处理、以及可选的GAN-based渲染模块来提升生成质量。项目提供完整的训练和推理流程，支持自定义数据集，并附带预训练模型。技术栈基于深度学习，主要使用Jupyter Notebook和Python，适合研究者和开发者用于动作迁移、虚拟人合成等任务。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1280

技术标签

deep-learning image-animation video-generation

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 10 分钟部署方式：本地安装 5 步

环境要求

Python 3
pip
NVIDIA GPU（README 提到 1 张 V100 训练 256x256 约 2 天）
可访问 Google Drive 的网络（下载预训练权重）

安装与启动步骤

1获取源代码

从官方 GitHub 仓库克隆项目到本地，若已下载源码可跳过此步。
```
git clone https://github.com/snap-research/articulated-animation.git
```
2安装依赖

进入项目目录后执行，README 明确要求用 pip 安装 requirements.txt 中的依赖。
```
cd articulated-animation
pip install -r requirements.txt
```
3查看配置文件

config 文件夹按数据集命名，如 config/vox256.yaml；README 提示参考 config/dataset.yaml 了解各参数含义。
4下载预训练权重

README 提供 Google Drive 链接，手动下载 checkpoints 到本地后使用。
5运行动画 Demo

README 的 Animation Demo 章节内容不完整，未给出具体命令，需查看原仓库补全。