雷鋒網(wǎng)按：這里是，雷鋒字幕組編譯的 SIGGRAPH 2018系列，帶你了解 Computer Vision 領(lǐng)域的最新研究成果。

原標(biāo)題 ：SIGGRAPH 2018 Mode-Adaptive Neural Networks for Quadruped Motion Control

翻譯 | Binpluto    整理 | 凡江

四足動(dòng)物的動(dòng)畫制作是一項(xiàng)在計(jì)算機(jī)動(dòng)畫方面懸而未解的關(guān)鍵問題，而這對(duì)游戲，電影和機(jī)器人技術(shù)方面有著極大的意義。

本期論文提出了一種用于四足運(yùn)動(dòng)合成的新型數(shù)據(jù)驅(qū)動(dòng)方法，并稱之為自適應(yīng)神經(jīng)網(wǎng)絡(luò)。該系統(tǒng)可以實(shí)現(xiàn)，根據(jù)控制命令產(chǎn)生逼真的運(yùn)動(dòng)動(dòng)畫和穩(wěn)定的轉(zhuǎn)換過程。與傳統(tǒng)的關(guān)鍵幀動(dòng)畫不同，這項(xiàng)系統(tǒng)不需要單獨(dú)創(chuàng)建動(dòng)畫剪輯或動(dòng)畫圖形，而是能夠直接通過數(shù)據(jù)學(xué)習(xí)這些動(dòng)畫。

由于四足動(dòng)物的腳步類型復(fù)雜，標(biāo)記運(yùn)動(dòng)模型通常需要專業(yè)知識(shí)和大量的數(shù)據(jù)來校準(zhǔn)和預(yù)處理。

四足運(yùn)動(dòng)的數(shù)據(jù)采集通常也是非常不規(guī)則的，并且包括了一系列大偏差的運(yùn)動(dòng)。將標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于這樣的數(shù)據(jù)可以重現(xiàn)典型的面部情緒，但是會(huì)導(dǎo)致明顯的滑動(dòng)跡象造成不自然，或者是人工合成的跡象。

在這項(xiàng)研究中，研究人員開發(fā)了這個(gè)新型端對(duì)端學(xué)習(xí)架構(gòu)，可以從大量的非結(jié)構(gòu)化運(yùn)動(dòng)的采集數(shù)據(jù)中學(xué)習(xí)，通過隨機(jī)梯度下降法來訓(xùn)練系統(tǒng)，運(yùn)動(dòng)數(shù)據(jù)包括坐，停止，躺，步行，踱步，小跑，慢跑，跳躍，轉(zhuǎn)身和站立。

在訓(xùn)練之后，用戶可以交互式地實(shí)時(shí)控制運(yùn)動(dòng)特性并且啟動(dòng)各種運(yùn)動(dòng)模式和動(dòng)作，通過使用簡(jiǎn)單的鍵盤控制命令 地面上的紅色和綠色箭頭 標(biāo)示了運(yùn)動(dòng)控制信號(hào)，用于估計(jì)用戶想要導(dǎo)引的軌跡。

簡(jiǎn)而言之，該論文提出了基于模式自適應(yīng)神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí) Quattro（四輪驅(qū)動(dòng)系統(tǒng) four -wheel system）和運(yùn)動(dòng)合成，這是第一個(gè)系統(tǒng)化近似構(gòu)建一個(gè)數(shù)據(jù)驅(qū)動(dòng)四驅(qū)衰減運(yùn)動(dòng)特性控制器的方法，產(chǎn)生字節(jié)上變化的運(yùn)動(dòng)模式動(dòng)作和不同的轉(zhuǎn)換，這就可以實(shí)際使用的系統(tǒng)用于端對(duì)端非結(jié)構(gòu)化運(yùn)動(dòng)捕捉數(shù)據(jù)，而不用為運(yùn)動(dòng)面或運(yùn)動(dòng)模型給出標(biāo)簽，整個(gè)系統(tǒng)很流暢，該動(dòng)畫演示非常自然。

Github：https://github.com/sebastianstarke/AI4Animation

論文原址：https://github.com/sebastianstarke/AI4Animation/blob/master/Media/SIGGRAPH_2018/Paper.pdf

雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。