PhaseBetweener
1.0.0
Ce travail présente un nouveau système intermédiaire de mouvement basé sur les données pour atteindre les poses cibles des personnages en utilisant les variables de phases apprises par un auto-encodeur périodique. L'approche utilise un modèle de réseau neuronal mixte d'experts, dans lequel les phases regroupent les mouvements dans l'espace et dans le temps avec différents poids experts. Chaque ensemble de poids généré produit ensuite une séquence de poses de manière autorégressive entre l'état actuel et l'état cible du personnage. De plus, pour satisfaire les poses qui sont modifiées manuellement par les animateurs ou dans lesquelles certains effecteurs finaux servent de contraintes à atteindre par l'animation, un schéma de contrôle bidirectionnel appris est mis en œuvre pour satisfaire de telles contraintes. L'utilisation de phases pour le mouvement entre les tâches affine les mouvements interpolés et stabilise en outre le processus d'apprentissage. De plus, des mouvements plus difficiles au-delà des comportements de locomotion peuvent être synthétisés. De plus, le contrôle du style est activé entre les images clés cibles données. Le cadre peut rivaliser avec les méthodes de pointe pour le mouvement intermédiaire en termes de qualité de mouvement et de généralisation, en particulier en cas d'existence de longues durées de transition. Ce cadre contribue à accélérer les flux de travail de prototypage pour la création de séquences de personnages animés, ce qui présente un énorme intérêt pour l'industrie du jeu et du cinéma.
- Vidéo - Papier - Code, démo et outil - Lisez-moi
Ce projet est uniquement destiné à des fins de recherche ou d'éducation et n'est pas disponible gratuitement pour une utilisation commerciale ou une redistribution. Les données de capture de mouvement et le modèle de personnage 3D d'ubisoft-laforge sont disponibles uniquement selon les termes de la licence publique internationale Creative Commons Attribution-NonCommercial-NoDerivatives 4.0.
