为了解决现有方法中姿态特征前向传播时出现的姿态失真问题，本文提出了一种双侧特征融合网络用于姿态迁移（DSFFNet）。首先，通过姿态编码器从源网格中提取固定长度的姿态码，并将其与目标顶点结合形成混合特征；然后，设计了一个特征融合自适应实例归一化模块（FFAdaIN），该模块能够同时处理姿态和身份特征，使得在逐层前向传播过程中可以对姿态特征进行补偿，从而解决姿态失真问题；最后，利用由该模块组成的网格解码器，逐步将姿态迁移到目标网格上。在SMPL、SMAL、FAUST和MultiGarment数据集上的实验结果表明，DSFFNet成功解决了姿态失真问题，同时保持了较小的网络结构，具有更强的姿态迁移能力和更快的收敛速度，并且能够适应不同顶点数量的网格。代码可在https://github.com/YikiDragon/DSFFNet 获取。