PhaseBetweener

相位流形之間的運動
第 22 屆 ACM SIGGRAPH/EUROGRAPHICS 電腦動畫研討會 (SCA 2023)
_{保羅史塔克、賽巴斯汀史塔克、高村卓、法蘭克史坦尼克
過程。 ACM 計算。圖形。相互影響。技術。 6、3、第37條（2023年8月），17頁。 https://doi.org/10.1145/3606921}

抽象的

這項工作引入了一種新穎的數據驅動運動中間系統，透過利用周期性自動編碼器學習到的相位變量來達到角色的目標姿勢。此方法利用混合專家神經網路模型，其中階段以不同的專家權重在空間和時間上聚集運動。然後，每個產生的權重集以自回歸方式在角色的當前狀態和目標狀態之間產生一系列姿勢。此外，為了滿足動畫師手動修改的姿勢或某些末端執行器充當動畫要達到的約束的姿勢，實施學習的雙向控制方案來滿足這些限制。在任務之間使用運動階段可以銳化插值運動，並進一步穩定學習過程。此外，可以合成超越運動行為的更具挑戰性的運動。此外，在給定的目標關鍵影格之間啟用樣式控制。該框架在運動品質和泛化方面可以與最先進的中間運動方法競爭，特別是在存在長過渡持續時間的情況下。該框架有助於加快創建動畫角色序列的原型工作流程，這對於遊戲和電影產業來說非常重要。

- 影片 - 論文 - 程式碼、簡報和工具 - 自述文件

版權資訊

此項目僅用於研究或教育目的，不得免費用於商業用途或重新分發。 ubisoft-laforge 的動作捕捉資料和 3D 角色模型僅在 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International Public License 的條款下可用。