PhaseBetweener
1.0.0
Este trabalho apresenta um novo sistema de movimento intermediário baseado em dados para atingir as poses alvo dos personagens, fazendo uso de variáveis de fases aprendidas por um Autoencoder Periódico. A abordagem utiliza um modelo de rede neural com mistura de especialistas, no qual as fases agrupam movimentos no espaço e no tempo com diferentes pesos de especialistas. Cada conjunto de pesos gerado produz então uma sequência de poses de maneira autorregressiva entre o estado atual e o estado alvo do personagem. Além disso, para satisfazer poses que são modificadas manualmente pelos animadores ou onde certos efetores finais servem como restrições a serem alcançadas pela animação, um esquema de controle bidirecional aprendido é implementado para satisfazer tais restrições. O uso de fases para tarefas intermediárias de movimento aguça os movimentos interpolados e, além disso, estabiliza o processo de aprendizagem. Além disso, movimentos mais desafiadores além dos comportamentos de locomoção podem ser sintetizados. Além disso, o controle de estilo é ativado entre determinados quadros-chave de destino. A estrutura pode competir com métodos de última geração para movimento intermediário em termos de qualidade e generalização do movimento, especialmente na existência de longas durações de transição. Essa estrutura contribui para fluxos de trabalho de prototipagem mais rápidos para a criação de sequências de personagens animados, o que é de enorme interesse para a indústria de jogos e cinema.
- Vídeo - Artigo - Código, demonstração e ferramenta - Leia-me
Este projeto é apenas para fins de pesquisa ou educação e não está disponível gratuitamente para uso comercial ou redistribuição. Os dados de captura de movimento e o modelo de personagem 3D da ubisoft-laforge estão disponíveis apenas sob os termos da Licença Pública Internacional Creative Commons Attribution-NonCommercial-NoDerivatives 4.0.
