PhaseBetweener
1.0.0
Este trabajo presenta un novedoso sistema intermedio de movimiento basado en datos para alcanzar las poses objetivo de los personajes mediante el uso de variables de fase aprendidas por un codificador automático periódico. El enfoque utiliza un modelo de red neuronal de mezcla de expertos, en el que las fases agrupan movimientos tanto en el espacio como en el tiempo con diferentes pesos de expertos. Cada conjunto de pesos generado produce una secuencia de poses de manera autorregresiva entre el estado actual y el estado objetivo del personaje. Además, para satisfacer posturas que los animadores modifican manualmente o donde ciertos efectores finales sirven como limitaciones que debe alcanzar la animación, se implementa un esquema de control bidireccional aprendido para satisfacer dichas limitaciones. El uso de fases para tareas intermedias de movimiento agudiza los movimientos interpolados y, además, estabiliza el proceso de aprendizaje. Además, se pueden sintetizar movimientos más desafiantes más allá de las conductas de locomoción. Además, el control de estilo está habilitado entre fotogramas clave de destino determinados. El marco puede competir con los métodos más modernos para el movimiento intermedio en términos de calidad y generalización del movimiento, especialmente en la existencia de transiciones de larga duración. Este marco contribuye a flujos de trabajo de creación de prototipos más rápidos para crear secuencias de personajes animados, lo cual es de enorme interés para la industria cinematográfica y de juegos.
- Vídeo - Papel - Código, demostración y herramienta - Léame
Este proyecto es sólo para fines de investigación o educación, y no está disponible gratuitamente para uso comercial o redistribución. Los datos de captura de movimiento y el modelo de personajes 3D de ubisoft-laforge están disponibles únicamente bajo los términos de la Licencia pública internacional Creative Commons Atribución-No comercial-SinDerivadas 4.0.
