PhaseBetweener
1.0.0
В этой работе представлена новая управляемая данными система промежуточного движения для достижения целевых поз персонажей с использованием фазовых переменных, полученных с помощью периодического автоэнкодера. В этом подходе используется модель нейронной сети, состоящая из нескольких экспертов, в которой фазы группируют движения как в пространстве, так и во времени с разными экспертными весами. Каждый сгенерированный набор весов затем создает последовательность поз авторегрессионным способом между текущим и целевым состоянием персонажа. Кроме того, для удовлетворения поз, которые аниматоры модифицируют вручную или когда определенные конечные эффекторы служат ограничениями, которых должна достичь анимация, реализуется изученная двунаправленная схема управления для удовлетворения таких ограничений. Использование фаз движения между задачами делает интерполированные движения более четкими и, кроме того, стабилизирует процесс обучения. Более того, можно синтезировать более сложные движения, выходящие за рамки двигательного поведения. Кроме того, управление стилем включено между заданными целевыми ключевыми кадрами. Эта структура может конкурировать с современными методами промежуточного движения с точки зрения качества движения и обобщения, особенно при наличии большой продолжительности перехода. Эта среда способствует ускорению рабочих процессов прототипирования для создания последовательностей анимированных персонажей, что представляет огромный интерес для игровой и киноиндустрии.
- Видео - Бумага - Код, демо и инструменты - ReadMe
Этот проект предназначен только для исследовательских или образовательных целей и не доступен для коммерческого использования или распространения. Данные захвата движения и 3D-модель персонажа от ubisoft-laforge доступны только на условиях международной публичной лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0.
