1. 毕业设计（论文）主要内容：

移动互联网时代，手游的发展使游戏行业竞争火爆，玩家对游戏体验的要求越来越高，游戏公司对游戏人物、地图的设计更加精细、真实。然而，格斗类、生存类游戏中逼真的人物动作的设计需要昂贵的动作捕获设备对人体的关节点进行采集，不仅成本高，而且设备穿戴不方便、后期处理工作复杂。现在，随着深度学习和计算机视觉的发展，人体姿态估计已经可以实现实时计算，精度也越来越高。本课题研究采用摄像头捕获视频，基于实时2D姿态估计算法计算人体18个关键点实现姿态估计，绘制出动作图像；然后基于pix2pix生成式对抗网络根据动作图像生成给定人体姿态的游戏角色，从而实现快速、低成本的2D游戏人物动作设计。

2. 毕业设计（论文）主要任务及要求

1. 通过阅读文献，了解基于深度神经网络的人体姿态估计模型计算流程。研究主流的实时人体姿态估计模型，比较几种姿态估计模型的速度和精度，重点是实时单人2d姿态估计。

2. 通过阅读文献，了解pix2pix生成式对抗网络模型的训练设生成原理，研究将计算出的动作图像迁移到游戏人物身上的过程，了解pix2pix训练生成模型和生成图像的速度和精度。

3. 通过将实时人体姿态估计接入pix2pix生成式对抗网络实现对游戏人物动作的设计，并尝试优化处理过程，提升计算速度。

3. 毕业设计（论文）完成任务的计划与安排

1. 第1周至第2周：查阅有关的参考资料并完成开题报告；翻译英文资料（不少于5000汉字），并交予指导教师检查。(2019.2.28)

2. 第3周至第6周：熟悉所选用的实现平台和深度学习框架，运用所学的编程技术，完成整个实验实现的前期设计工作。(2019.4.1)

3. 第7周至第13周：进行实验的编码、调试、训练、测试工作。(2018.5.29)其中第10周左右(2019.5.4-5.8)进行毕业设计中期检查，需要提交论文前三章和毕业设计框架。

4. 主要参考文献

[1] zhe cao,tomas simon, shih-en wei and yaser sheikh. realtime multi-person poseestimation. in cvpr, 2017

[2] shih-enwei, varun ramakrishna, takeo kanade and yaser sheikh. convolutional posemachines. icvpr, 2016

[3] p.isola, j.-y. zhu, t. zhou, and a. a. efros. image-to-image translation withconditional adversarial networks. in cvpr, 2017. 2, 3, 5, 6, 7, 8, 18