PhaseBetweener
1.0.0
この作品では、周期的オートエンコーダーによって学習された位相変数を利用して、キャラクターの目標ポーズに到達するための新しいデータ駆動型モーション中間システムを導入しています。このアプローチでは、専門家の混合ニューラル ネットワーク モデルが利用されており、フェーズは、異なる専門家の重みを使用して空間と時間の両方で動きをクラスター化します。生成された各ウェイトのセットは、キャラクタの現在の状態とターゲットの状態の間で自己回帰的な方法でポーズのシーケンスを生成します。さらに、アニメータが手動で変更するポーズや、特定のエンドエフェクタがアニメーションによって達成される制約として機能するポーズを満たすために、学習された双方向制御スキームが実装され、そのような制約が満たされます。タスク間の動作にフェーズを使用すると、補間された動作が鮮明になり、学習プロセスがさらに安定します。さらに、移動動作を超えた、より困難な動きを合成することができます。さらに、スタイル コントロールは、指定されたターゲット キーフレーム間で有効になります。このフレームワークは、特に長い移行時間が存在する場合、モーションの品質と一般化の点で、中間モーションの最先端の方法と競合できます。このフレームワークは、アニメーション キャラクター シーケンスを作成するためのプロトタイピング ワークフローの高速化に貢献します。これは、ゲームおよび映画業界にとって非常に興味深いものです。
- ビデオ - 論文 - コード、デモ、ツール - ReadMe
このプロジェクトは研究または教育のみを目的としており、商用利用や再配布を自由に行うことはできません。 ubisoft-laforge のモーション キャプチャ データと 3D キャラクター モデルは、クリエイティブ コモンズ 表示 - 非営利 - 改変禁止 4.0 国際パブリック ライセンスの条件に基づいてのみ利用できます。
