在剛剛落幕的東京奧運會上，中國體育代表團取得了38枚金牌、32枚銀牌、18枚銅牌的優異成績。這屆奧運會期間，除了全民熱議運動健兒的精彩表現之外，還有一項神奇的變身特效活動——「我的奧運奪冠時刻」也在全網發酵，引得網民爭相試玩和轉發。

在手機QQ的相機功能中，或者天天P圖app中，只需上傳一張自己的半身照或是全身照，就可以一秒get奧運健兒的同款奪冠時刻，讓眾多網友大呼“神奇”，“玩得停不下來”。

在這個變身特效視頻的背后，是QQ影像中心研發的人體姿態遷移技術。人體姿態遷移技術簡單來說，就是給到機器一副含有人物的圖片和一個目標姿態，之后經過計算將人物轉換為目標姿態的狀態。

區別于人臉特效功能，圍繞人體的GAN生成落地難度較大。在人體動作遷移實現過程中，動作跨度大、像素搬移多、紋理復雜、動作自由度高和自遮擋頻繁等干擾因素導致生成指定姿態的人體一直比較困難。目前，主流的人體人體姿態遷移方案有2D warp、3D warp和不依賴warp的解決方案，這三種方式各有利弊，且并未真正落地于實際商業生產應用。

三大技術突破，解鎖人體姿態遷移動效新體驗

針對現有方案的不足，并考慮在實際應用中，多圖或視頻輸入的姿態遷移方法會使得用戶使用門檻很高，帶來不太好的用戶體驗。QQ影像中心團隊采用基于單圖的3D人體重建結合GAN生成的技術路線。

首先，比起主流方式所需要的視頻+在線微調(finetune)模式，QQ影像中心的技術只需要單張用戶圖就可以完成姿態遷移，并且不需要在線進行模型微調。如此，便能成功將用戶的交互難度大大降低。

針對難度極大的3D人體重建，雖然市面上有開源的3D mesh數據庫，比如加州伯克利分校的開源端到端框架HMR，但是效果并不理想。所以QQ影像中心團隊為此專門研發了一套人體3D重建算法，讓整個效果更為流暢連貫。輸入單張用戶圖片，就能得到精確地人體形狀和紋理，繼而將動態變化的每一幀都轉化到參考幀上，再經過計算制作成特效。

其次，是生成清晰度高，紋理還原度好，支持更高分辨率輸出(1024x1024)。比起原先2D warp、3D warp在逼真程度和清晰度上的短板，QQ影像中心算法能夠保證其生成質量。其中利用人體分割和背景填充技術，完成目標視頻的背景修補。

而針對3D warp圖紋理信息粗糙的現象，則利用GAN網絡來細化(refine)用戶warp圖。具體做法是將用戶信息與warp圖信息在GAN網絡中融合，生成自然的目標姿態用戶圖。在這一步中GAN網絡又分為兩個子網絡，分別是重建網絡與姿態生成網絡。將用戶圖重建，之后生成網絡輸入粗粒度warp圖，之后接受重建網絡的特征圖并進行特征融合，以保證細節信息的準確性，之后特征圖將進入解碼器，融合前景和特征圖，最后得到輸出圖。

最后，針對基于3D的技術方案容易遇到動作僵硬的問題，QQ影像中心通過平滑策略、2D點輔助優化等策略，既保證了素材的動作準確性，也使動作更加連貫自然。

其實，這次「我的奧運奪冠時刻」變身特效的爆款出圈并非首例。此前，手機 QQ相機功能中內嵌的熱門AI玩法——漫畫臉，迪士尼童話臉等，同樣出自QQ影像中心團隊。

從人臉特效到人體動作遷移，QQ影像中心持續探索前沿 AI 和 CV 算法，致力于將前沿的 AI 能力、3D 渲染技術以及先進的玩法賦能產品。團隊在語義分割、目標檢測、分類識別、GAN生成對抗等方面的深厚技術積累，在AI生成領域已進行了很多相關算法的研發和落地工作。

值得期待的是，未來QQ影像中心也會帶來更多特效玩法落地，給用戶帶來更多有趣的科技體驗。

關于騰訊QQ影像中心

騰訊QQ影像中心(原騰訊光影研究室)是騰訊旗下專注于研究前沿影像處理技術的團隊，在單目深度估計技術、語義分割、目標檢測、分類識別、GAN生成對抗等方面均有深厚的技術積累。團隊一直致力于探索泛娛樂綜合解決方案，將前沿的AI能力、先進的玩法引擎和3D渲染技術賦能產品，讓視覺創意更多樣，音視頻編輯更智能，社交溝通更趣味。