现有的动作迁移算法学习从骨架或三维模型到真实图像的映射,这意味着这些算法生成的结果受整体动作姿势,骨架位置和背景信息的影响。这种从“稀疏”到“稠密”的映射关系,不利于网络训练。在训练数据较少,例如网络视频的情况下,这些方法往往会过度拟合,同事不方便深度学习模型训练,模型会丢失大量的细节信息。对于一个姿势,它可以分成几个独立的子部分。我们的关键思路时解耦各个信息之间的关系,提升整体的生成效果。在这项工作中,我们使用了一种新的训练方法,允许网络从本地到全局生成图像。我们的模型可以在两个视频之间传输少量数据,同时对新的姿态具有鲁棒性。对于每个子模块,我们都添加了空间和纹理控制约束,使得它们在生成局部区域时仍然保留整个个体身份的约束。我们的主要贡献有一下三点:1、我们将运动转移任务分成三个子模块,每个子模块对应一个不同的任务。2、我们对动作迁移算法给出优化后的损失函数能够提升训练的稳定性。3、我们优化了动作迁移任务的网络结构,验证该结构在多数据融合时的效果。最终,我们给出了多个网络短视频动作迁移的结果,并且我们的方法可以在少量数据的情况下保持较高的鲁棒性。