MusePose：虚拟人视频生成的开源框架使用教程

MusePose：虚拟人视频生成的开源框架使用教程

MusePose MusePose: a Pose-Driven Image-to-Video Framework for Virtual Human Generation 项目地址: https://gitcode.com/gh_mirrors/mu/MusePose

1. 项目介绍

MusePose 是一个基于扩散模型和姿态引导的虚拟人视频生成框架。它能够根据给定的姿态序列，生成与参考图像中人物动作一致的舞蹈视频。MusePose 的输出质量超过了目前大多数同类开源模型，并且提供了姿态对齐算法，显著提高了推理性能和模型的可用性。

2. 项目快速启动

环境搭建

• 推荐的 Python 版本：>=3.10
• 推荐的 CUDA 版本：11.7

首先，安装所需的 Python 包：

pip install -r requirements.txt

接着，安装 MMLab 相关的包：

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

下载权重文件

从官方渠道下载训练好的权重文件，并按照以下目录结构进行组织：

./pretrained_weights/
|-- MusePose
|   |-- denoising_unet.pth
|   |-- motion_module.pth
|   |-- pose_guider.pth
|   └── reference_unet.pth
|-- dwpose
|   |-- dw-ll_ucoco_384.pth
|   └── yolox_l_8x8_300e_coco.pth
...

运行示例

将参考图像和舞蹈视频放入 ./assets 目录下，例如：

./assets/
|-- images
|   └── ref.png
└── videos
    └── dance.mp4

使用姿态对齐算法对齐参考图像：

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

对齐后的姿态数据将保存在 ./assets/poses 目录下。

接着，将参考图像和对齐后的姿态数据路径添加到测试配置文件 ./configs/test_stage_2.yaml 中，然后运行推理脚本：

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

输出结果将保存在 ./output/ 目录下。

3. 应用案例和最佳实践

• 姿态对齐：使用 pose_align.py 脚本可以显著提高模型在不同参考图像上的表现。
• 减少显存消耗：在推理时，可以通过设置 -W 和 -H 参数来调整输出视频的分辨率，从而减少显存消耗。

4. 典型生态项目

MusePose 作为虚拟人视频生成的一部分，可以与其他开源项目结合使用，例如：

• MuseV：用于虚拟人视频的生成。
• MuseTalk：提供虚拟人的对话能力。

通过这些项目的结合，可以创建更加丰富和互动的虚拟人体验。

MusePose MusePose: a Pose-Driven Image-to-Video Framework for Virtual Human Generation 项目地址: https://gitcode.com/gh_mirrors/mu/MusePose