深度学习方法让动画中的狗狗动作更逼真
来源：中国数字科技馆
都柏林三一学院（Trinity College Dublin）和巴斯大学(University of Bath)的研究人员最近开发了一种基于深度神经网络的模型，可以帮助提高包括狗在内的四脚动物动画的质量。他们创建的框架在2021年MIG(运动、互动和游戏)大会上展示，在该大会上，研究人员展示了一些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。”这项研究成员之一多纳尔·伊根告诉媒体，“我们选择狗是出于实用性的考虑，因为它们可能是最容易获得数据的动物。”
制作高质量的狗和其他四足动物的动画是一项具有挑战性的任务。这主要是因为这些动物的运动方式很复杂，有独特的步态，有特定的脚步模式。伊根和他的同事希望创建一个框架，以简化四足动物动画的创作，为动画视频和电子游戏制作更有说服力的内容。
伊根说：“用关键帧等传统方法制作重现四足动物运动的动画是相当有难度的。”“这就是为什么我们认为开发一个能够自动增强最初粗略动画的系统很有用，这样用户就无需手工制作高度逼真的动画。”
伊根和他的同事最近进行的一项研究建立在之前利用深度学习来创建和预测人类运动的基础上。为了使四足动物的运动获得类似的结果，他们使用了大量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真实的狗动画。
伊根说：“对于每一个这样的动画，我们都能够自动创建一个相应的‘差’动画，虽然背景相同，但质量降低了，比如，包含错误，或缺乏狗真实动作的许多微妙细节。”“然后我们训练了一个神经网络来学习这些‘差’动画和高质量动画之间的区别。”
蓝色:最初的动画，缺乏狗的真实运动的微妙之处，包含小错误；
绿色:来自真实狗运动捕捉数据集的相应帧；
红色:初始(蓝色)动画通过四足动物动画增强神经网络后的输出。
在用高质量和低质量的动画进行训练后，神经网络学会了如何增强狗的动画：提高它们的质量，让它们更真实。团队的想法是，在运行时，创建初始动画可以用各种方法，包括关键帧技术，因此它们可能不是很令人信服，而接下来就可以用到新的研究成果了。
“在我们看来，神经网络有可能学会如何添加微妙的细节，使四足动物的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被纳入应用。例如，它可以用来加快动画管道的速度。一些应用程序使用传统的逆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一个后处理步骤。”
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，而不改变动画的语义或背景。在未来，他们的模型可以用来加速和优化电影或电子游戏的动画创作。在接下来的研究中，伊根和他的同事计划继续深入探索用数字和图形再现狗的运动的方法。
伊根说：“我们的团队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。”“我们希望结合这些领域，开发一个在虚拟现实中体现四足动物的系统——允许玩家或演员在虚拟现实中扮演一只狗。”
（独家编译：科幻世界）
本文来自： techxplore