[发明专利]一种基于可逆流网络的无监督动作风格迁移方法

权利要求书

1.一种基于可逆流网络的无监督动作风格迁移方法，其特征在于：所述的方法包括步骤如下：

S1：获取BVH格式的动作数据并进行预处理，将预处理后的动作数据作为训练样本；所述的动作数据包括内容动作、风格动作；

S2：构建动作风格迁移模型，所述的动作风格迁移模型包括用于编码动作隐藏特征的投影流网络、用于隐藏特征风格迁移的自适应实例归一化层；

S3：采用训练样本训练动作风格迁移模型，在每一轮训练中利用损失函数对动作风格迁移模型参数进行调整；

S4：将待迁移的动作数据输入训练好的动作风格迁移模型，实现进行任意两个动作的风格迁移。

2.根据权利要求1所述的基于可逆流网络的无监督动作风格迁移方法，其特征在于：步骤S1，对动作数据进行预处理，具体如下：

S101：将BVH格式的动作数据转换为四元数形式x和坐标形式x_pos，并以32帧的长度进行片段切割；

S102：分别对四元数形式x、坐标形式x_pos的数据进行归一化。

3.根据权利要求1所述的基于可逆流网络的无监督动作风格迁移方法，其特征在于：步骤S2，所述的投影流网络采用16个流结构叠加组成，其中每一个流包括三部分：激活层、可逆1×1卷积层和仿射耦合层；

所述的激活层让每个通道具有零均值和单位方差；

所述的可逆1×1卷积层用于对特征图的通道维度进行置换；

所述的仿射耦合层使用仿射耦合对每个通道数据进行变换。

4.根据权利要求3所述的基于可逆流网络的无监督动作风格迁移方法，其特征在于：所述的仿射耦合层使用仿射耦合对数据进行变换，具体如下：

首先使用split()函数将每个通道数据沿通道维度分成两半x_a,x_b；然后使用仿射参数ψ和δ对其中的一半x_b做仿射变换得到z_b；最后使用concat()函数沿着通道维度连接x_a,z_b两个数据；

其中，所述的仿射参数ψ,δ是使用Transformer网络，根据每个通道数据的一半x_a和动作数据的坐标形式x_pos进行计算得到。

5.根据权利要求1所述的基于可逆流网络的无监督动作风格迁移方法，其特征在于：步骤S2，所述的自适应实例归一化层，用于进行隐藏特征之间的风格迁移；所述的自适应实例归一化的具体计算如下：

其中，z_c表示内容动作的隐藏特征，z_s表示风格动作的隐藏特征，μ表示均值，σ表示标准差。

6.根据权利要求1所述的基于可逆流网络的无监督动作风格迁移方法，其特征在于：所述的动作风格迁移模型对输入的动作数据进行处理如下：

D1：将内容动作、风格动作输入到投影流网络中，通过前向传播过程分别得到内容动作、风格动作对应的第一隐藏特征；

D2：分别将内容动作、风格动作对应的第一隐藏特征输入自适应实例归一化层，将风格动作的第一隐藏特征映射为两个仿射参数ψ,δ，并以此对内容动作的第一隐藏特征进行自适应实例归一化，最终输出风格化动作的第二隐藏特征；

D3：将风格化动作的第二隐藏特征输入到投影流网络并进行反向传播，从而重构出最终风格迁移后的动作。