PhaseBetweener

相位流形之间的运动
第 22 届 ACM SIGGRAPH/EUROGRAPHICS 计算机动画研讨会 (SCA 2023)
_{保罗·斯塔克、塞巴斯蒂安·斯塔克、高村卓、弗兰克·斯坦尼克
过程。 ACM 计算。图形。相互影响。技术。 6、3、第37条（2023年8月），17页。 https://doi.org/10.1145/3606921}

抽象的

这项工作引入了一种新颖的数据驱动运动中间系统，通过利用周期性自动编码器学习到的相位变量来达到角色的目标姿势。该方法利用混合专家神经网络模型，其中阶段以不同的专家权重在空间和时间上聚类运动。然后，每个生成的权重集以自回归方式在角色的当前状态和目标状态之间生成一系列姿势。此外，为了满足动画师手动修改的姿势或某些末端执行器充当动画要达到的约束的姿势，实施学习的双向控制方案来满足这些约束。在任务之间使用运动阶段可以锐化插值运动，并进一步稳定学习过程。此外，可以合成超出运动行为的更具挑战性的运动。此外，在给定的目标关键帧之间启用样式控制。该框架在运动质量和泛化方面可以与最先进的中间运动方法竞争，特别是在存在长过渡持续时间的情况下。该框架有助于加快创建动画角色序列的原型工作流程，这对于游戏和电影行业来说非常重要。

- 视频 - 论文 - 代码、演示和工具 - 自述文件

版权信息

该项目仅用于研究或教育目的，不得免费用于商业用途或重新分发。 ubisoft-laforge 的动作捕捉数据和 3D 角色模型仅在 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International Public License 的条款下可用。