在NIPS2017上該團(tuán)隊(duì)已經(jīng)為我們貢獻(xiàn)了：pose guided person image generation這篇非常棒的文章，在CVPR2018中，他們推出的更新的這篇文章不僅僅解決了換pose問題，還實(shí)現(xiàn)了”隨心所欲“的換裝換pose，今年spotlight。

在這里提到的前一篇文章可復(fù)現(xiàn)度很高，可以嘗試，后者我們團(tuán)隊(duì)中有人嘗試過，但并不理想，作者什么時(shí)候會(huì)公布代碼我們不得而知。

該模型分為三個(gè)分支，

1，運(yùn)用openpose這個(gè)庫(kù)，生成pose的18個(gè)dots，并將這concat進(jìn)decoder之前的feature map中

2，在經(jīng)過卷積運(yùn)算后的feature map上，運(yùn)用mask，將前后景分離，背景的feature map也是直接concat進(jìn)最后的feature map中

3，核心是前景的處理上，用7個(gè)ROI進(jìn)一步將前景解開，然后用公用的encoder生成前景的featuremap