Pose Representations for Deep Skeletal Animation

要約

データ駆動型のキャラクターアニメーション技術は、適切に確立されたモーションモデルの存在に依存しており、その豊富なコンテキストを記述できます。
ただし、一般的に使用されるモーション表現は、モーションの完全なアーティキュレーションを正確にエンコードできないか、アーティファクトを提示することがよくあります。
この作業では、モーションモデリング用の堅牢なポーズ表現を見つけるという基本的な問題に対処します。これは、ポーズをより適切に制約し、骨格特性と相関するニュアンスを忠実にキャプチャできる、深いキャラクターアニメーションに適しています。
私たちの表現は、双対四元数に基づいています。これは、明確に定義された操作による数学的抽象化であり、回転方向と位置方向を同時にエンコードし、ルートを中心とした階層対応のエンコードを可能にします。
私たちの表現が一般的なモーションアーティファクトを克服し、他の一般的な表現と比較してそのパフォーマンスを評価することを示します。
学習中に組み込まれる可能性のあるさまざまな損失の影響を評価するために、アブレーション研究を実施します。
私たちの表現が骨格運動属性を暗黙的にエンコードするという事実を利用して、最初にユニバーサル骨格に再ターゲットする必要なしに、異なる比率の骨格で構成されるデータセットでネットワークをトレーニングします。これにより、微妙な運動要素が失われます。
滑らかで自然なポーズが実現できることを示し、魅力的なアプリケーションへの道を開きます。

要約(オリジナル)

Data-driven character animation techniques rely on the existence of a properly established model of motion, capable of describing its rich context. However, commonly used motion representations often fail to accurately encode the full articulation of motion, or present artifacts. In this work, we address the fundamental problem of finding a robust pose representation for motion modeling, suitable for deep character animation, one that can better constrain poses and faithfully capture nuances correlated with skeletal characteristics. Our representation is based on dual quaternions, the mathematical abstractions with well-defined operations, which simultaneously encode rotational and positional orientation, enabling a hierarchy-aware encoding, centered around the root. We demonstrate that our representation overcomes common motion artifacts, and assess its performance compared to other popular representations. We conduct an ablation study to evaluate the impact of various losses that can be incorporated during learning. Leveraging the fact that our representation implicitly encodes skeletal motion attributes, we train a network on a dataset comprising of skeletons with different proportions, without the need to retarget them first to a universal skeleton, which causes subtle motion elements to be missed. We show that smooth and natural poses can be achieved, paving the way for fascinating applications.

arxiv情報

著者 Nefeli Andreou,Andreas Aristidou,Yiorgos Chrysanthou
発行日 2022-07-27 10:36:32+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.GR, I.3.7; I.3 パーマリンク