图1:蓝色:来自初始动画的帧缺少真正犬类运动的微妙之处，并且包含小错误。Gr een:来自地面真实犬类运动捕捉数据集的相应帧。红色:通过我们的四足动物动画增强神经网络传递初始(蓝色)动画后的输出。credit:DOI:10.1145/3487983.3488293都柏林三一学院和巴斯大学的研究人员最近开发了一种基于深度neura l网络的模型，可以帮助提高包含狗等四足动物的动画质量。他们创建的框架在MIG(运动、交互和游戏)2021会议上展示，在该会议上，研究人员展示了一些用于制作高质量动画和视频游戏的最新技术。“我们对处理非人类数据很感兴趣，”进行这项研究的研究人员之一姜懿翔·伊根告诉TechXplore。“我们选择狗是出于实用性的原因，因为它们可能是最容易获得数据的动物。”
创建狗和其他四足动物的高质量动画是一项具有挑战性的任务。这主要是因为这些动物以复杂的方式移动，并且有独特的步态和特定的脚步模式。伊根和他的同事们希望创建一个框架，可以简化四足动物动画的制作，为动画视频和视频游戏制作更有说服力的内容。
伊根说:“使用传统方法(如关键帧)创建再现四足动物运动的动画非常具有挑战性。“这就是为什么我们认为开发一个可以自动增强初始粗略动画的系统会很有用，这样用户就不需要手工制作高度逼真的动画了。”
最近由伊根和他的同事进行的研究建立在以前的努力之上，旨在使用深度学习来产生和预测人类运动。为了获得与四足动物运动相似的结果，他们使用了一大组代表真实狗运动的运动捕捉数据。这些数据被用来创建几个高质量和现实的狗动画。
进行这项研究的研究人员之一姜懿翔·伊根告诉TechXplore:“对于这些动画中的每一个，我们都能够自动创建一个相应的‘坏’动画，其背景相同，但质量降低，即包含错误，并且缺少真实狗运动的许多细微细节。“然后我们训练了一个神经网络来学习这些‘糟糕’的动画和高质量动画之间的区别。”
在对质量好坏的动画进行训练后，研究人员的神经网络学会了增强狗的动画:提高它们的质量，使它们更逼真。该团队的想法是，在运行时，最初的动画可能是使用各种方法创建的，包括关键帧技术，因此它们可能不太令人信服。
“我们表明，神经网络有可能学习如何添加微妙的细节，使四足动物动画看起来更加逼真，”伊根说。“我们工作的实际意义在于它可以融入的应用。例如，它可以用来加速动画管道。一些应用程序使用传统的反向运动学等方法创建动画，这可能会产生缺乏真实感的动画；在这种情况下，我们的工作可以作为后处理步骤。
研究人员在一系列测试中评估了他们的深度学习算法，发现它可以显著提高现有狗动画的质量，而不会改变动画的语义或上下文。未来，他们的模型可以用来加速和促进电影或视频游戏中动画的制作。在接下来的研究中，伊根和他的同事们计划继续探索用数字和图形再现狗的运动的方法。
伊根说:“我们小组对广泛的主题感兴趣，包括图形、动画、机器学习和虚拟现实中的化身。“我们希望将这些领域结合起来，为虚拟现实中四足动物的化身开发一个系统——让游戏玩家或演员在虚拟现实中变成一只狗。通过帮助我们在虚拟现实中制作逼真的四足动物动画，本文中讨论的工作可以成为该系统的一部分。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
