Motion In-Betweening with Phase Manifolds

要約

この論文では、周期的オートエンコーダーによって学習された位相変数を利用して、キャラクターの目標ポーズに到達するための新しいデータ駆動型モーション中間システムを紹介します。
私たちのアプローチは、専門家の混合ニューラル ネットワーク モデルを利用します。このモデルでは、フェーズは、異なる専門家の重みを使用して空間と時間の両方で動きをクラスター化します。
生成された各ウェイトのセットは、キャラクタの現在の状態とターゲットの状態の間で自己回帰的な方法でポーズのシーケンスを生成します。
さらに、アニメータが手動で変更するポーズや、特定のエンドエフェクタがアニメーションによって達成される制約として機能するポーズを満たすために、学習された双方向制御スキームが実装され、そのような制約が満たされます。
この結果は、タスク間の動作にフェーズを使用すると、補間された動作が鮮明になり、さらに学習プロセスが安定することを示しています。
さらに、タスク間の動作にフェーズを使用すると、移動動作を超えた、より困難な動作を合成することもできます。
さらに、スタイル コントロールは、指定されたターゲット キーフレーム間で有効になります。
私たちが提案するフレームワークは、特に長い移行時間が存在する場合、モーションの品質と一般化の点で、中間モーションの一般的な最先端の方法と競合できます。
私たちのフレームワークは、ゲームや映画業界にとって非常に興味深いアニメーション キャラクター シーケンスを作成するためのプロトタイピング ワークフローの高速化に貢献します。

要約(オリジナル)

This paper introduces a novel data-driven motion in-betweening system to reach target poses of characters by making use of phases variables learned by a Periodic Autoencoder. Our approach utilizes a mixture-of-experts neural network model, in which the phases cluster movements in both space and time with different expert weights. Each generated set of weights then produces a sequence of poses in an autoregressive manner between the current and target state of the character. In addition, to satisfy poses which are manually modified by the animators or where certain end effectors serve as constraints to be reached by the animation, a learned bi-directional control scheme is implemented to satisfy such constraints. The results demonstrate that using phases for motion in-betweening tasks sharpen the interpolated movements, and furthermore stabilizes the learning process. Moreover, using phases for motion in-betweening tasks can also synthesize more challenging movements beyond locomotion behaviors. Additionally, style control is enabled between given target keyframes. Our proposed framework can compete with popular state-of-the-art methods for motion in-betweening in terms of motion quality and generalization, especially in the existence of long transition durations. Our framework contributes to faster prototyping workflows for creating animated character sequences, which is of enormous interest for the game and film industry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google