视频生成是计算机视觉的重要研究方向,而动作视频生成是其中备受关注的方向之一。在基于深度学习的动作视频生成算法中,一些算法使用对抗生成网络来生成动作视频,但是这些算法无法生成长时间的动作视频。为了提高动作视频的生成质量,一些算法使用骨架信息来约束动作视频的生成,但是这些算法也有一些限制。第一,为了生成一段新的动作视频,这些算法需要对应每一帧的人体骨架作为输入,但是在大部分情况下,我们很难获得这样的骨架序列。第二,这些算法都是监督算法,需要与生成视频对应的Ground Truth来监督训练过程,这使得算法无法进行更大规模的训练。为了解决这些问题,本文提出两种动作视频生成算法。针对骨架信息难以获得的问题,我们使用高斯过程来生成骨架序列,不再需要事先提供与生成视频对应的每一帧的人体骨架。针对监督算法应用受限的问题,我们进一步地提出非监督的动作视频生成算法,使用双空间约束(动作约束和外观约束)来帮助动作视频的生成,不再需要与生成视频对应的Ground Truth来监督训练过程。具体地,本文研究的目标是,给定一张单人图片(称之为目标外观)和一类动作数据(例如跑步、跳舞等等,称之为目标动作),如何生成一段新的动作视频,其中目标外观对应的人做着目标动作。我们提出基于骨架自动生成的动作视频生成算法,首先使用高斯过程在目标动作空间中生成一段合适的骨架序列,然后使用对抗生成网络根据目标外观图片和这段骨架序列生成一段新的动作视频,使得其外观信息和目标外观一致,动作信息与目标动作一致。我们进一步地提出基于双空间约束的动作视频生成算法,重新检测生成的动作视频中的人体骨架,使得这段骨架序列尽可能地接近高斯过程所生成的骨架序列。动作约束被用来衡量这两段骨架序列的相似性,而外观约束保证生成的动作视频中外观信息和目标外观一致,动作约束和外观约束跨越动作空间和视频空间,共同约束动作视频的生成。本文将提出的方法与目前效果较好的动作视频生成算法进行比较,实验证明提出的方法可以生成长时间的高质量的动作视频。