MusePose

MusePose 是一种基于姿态引导的虚拟人视频生成框架。它属于腾讯音乐娱乐 Lyra 实验室的 Muse 开源系列的最后一个模块。通过与 MuseV 和 MuseTalk 的结合，MusePose 旨在实现一个具备全身运动和交互能力的端到端虚拟人生成愿景。在开发过程中，MusePose 参考了 AnimateAnyone 的学术论文和 Moore-AnimateAnyone 的代码库。

核心贡献

1. MusePose 可以在给定姿态序列下，生成参考图像中人物角色的舞蹈视频，生成效果超过当前大部分开源模型。
2. 该框架发布了一个姿态对齐算法，用户可以将任意舞蹈视频与任意参考图像对齐，大大提高了推理性能与模型可用性。
3. 修复了多处重要的 BUG，并在 Moore-AnimateAnyone 的代码基础上进行了改进。

使用场景

1. 虚拟主播：为虚拟主播生成具备真实感的动态视频，提升互动体验。
2. 影视娱乐：在电影、电视和音乐视频中，生成虚拟角色的动态表演。
3. 游戏开发：生成游戏中虚拟角色的动态动作，以增强游戏沉浸感。
4. 广告营销：在广告中使用虚拟人进行宣传和展示，增加吸引力。

安装和使用

1. 环境准备：推荐使用 Python 版本 >=3.10 和 CUDA 版本 11.7。
2. 安装依赖：

   pip install -r requirements.txt
   pip install --no-cache-dir -U openmim 
   mim install mmengine 
   mim install "mmcv>=2.0.1" 
   mim install "mmdet>=3.1.0" 
   mim install "mmpose>=1.1.0" 
   

3. 下载权重：将训练好的模型权重和其他组件的权重下载并放在 pretrained_weights 目录下。
4. 准备用于生成的视频和图像：将参考图像和舞蹈视频保存在 ./assets 文件夹下。
5. 姿态对齐：运行 pose_align.py 将参考图像与舞蹈视频对齐。

   python pose_align.py --imgfn_refer ./assets/images/ref.png --vidfn ./assets/videos/dance.mp4
   

6. 推理生成视频：运行 test_stage_2.py，生成虚拟人视频。

   python test_stage_2.py --config ./configs/test_stage_2.yaml
   

   生成结果将保存在 ./output/ 目录下。