articulated-animation

用一张图和一段视频，生成逼真的关节动画

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。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1277

维护状态低维护

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队snap-research

所属国家

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

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

定价模式free

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

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★ 1277

30天Star增速

HF 下载量

上线时间2021-03-23 00:00:00

最近更新2026-07-24 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

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。

如何确认成功

pip install 无报错、成功下载预训练权重即准备完成；README 未给出启动验证命令。

常见问题

Q：预训练权重在哪里下载？

A：README 给出的 Google Drive 链接：https://drive.google.com/drive/folders/1jCeFPqfU_wKNYwof0ONICwsj3xHlr_tb?usp=sharing

Q：训练需要什么显卡？

A：README 说明在 1 张 V100 GPU 上训练 256x256 数据集约需 2 天。

Q：各配置参数含义在哪看？

A：见 config/dataset.yaml 的参数说明；config/vox256.yaml 中有具体配置示例。

Q：支持哪些 Python 版本？

A：README 明确支持 python3。

注意事项

README 的 Animation Demo 章节被截断，运行 demo 的具体命令请以原仓库为准。
训练 256x256 数据集约需 2 天（1 张 V100）。
预训练 checkpoints 托管在 Google Drive，需自行下载。

核心亮点

官方论文实现，算法经过学术验证，效果有保障
支持自定义数据集训练，灵活适配不同物体类型
包含背景分离和GAN渲染，生成质量高且细节丰富

不足之处

代码结构较复杂，上手门槛高，需熟悉论文细节
训练资源消耗大，对GPU显存有较高要求

适用场景

虚拟人物动画制作，如从单张照片生成说话或动作视频
影视特效中的角色动作迁移，降低动画制作成本
学术研究，用于探索非刚性物体的运动建模

替代项目

First Order Motion Model、Monkey-Net、thin-plate-spline-motion-model

项目介绍

articulated-animation 是视频领域的开源项目，由 snap-research 开发，2021 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,277）位列前 30%，在视频分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-24。开源代码，需自行部署，无在线服务，完全免费。

它主要面向的使用场景是：虚拟人物动画制作，如从单张照片生成说话或动作视频。同类可对比的替代方案包括 First Order Motion Model、Monkey-Net、thin-plate-spline-motion-model。

上一篇：TeaCache

下一篇：SynCamMaster