基于接触感知的蒙皮动作转移
我们提出了一种新的深度学习方法,用于两个骨骼之间的运动增强,能够在保留两个身体之间的关键几何 / 拓扑关系的同时,生成不同身体大小和比例的接触丰富的互动的变化。我们的系统能够从相对少量的数据中有效学习,并且能够推广到截然不同的骨架尺寸。通过详尽的评估和比较,我们展示它可以生成高质量的运动,具有较强的通用性,并且优于传统的基于优化的方法和其他深度学习解决方案。
Apr, 2024
本文提出了一种新颖的深度学习框架,用于不需要明确匹配训练集中运动对之间的数据驱动运动重定位,其利用不同同构骨架通过边合并操作可以简化为一个共同原始骨架并转化为一组关联于原始骨架关节的深度时态特征,从而实现简单的运动重定位,同时本方法是第一种能够在没有一对一匹配的情况下在不同采样运动链之间执行重定向的方法。
May, 2020
本研究提出了一种基于神经网络和几何形状的跨角色动作传递算法,使用距离损失函数对动作和几何属性进行建模,产生的结果在保留动作语义的同时,抑制了物体间的穿透和接触缺失,具有最新的性能表现。
Mar, 2023
本研究提出了一种利用强化学习、物理模拟器和稀疏传感器数据实时将人类运动重定向到具有不同骨架结构的角色的方法,并仅需要运用运动捕捉数据进行培训,同时探讨了该框架中的重要组件。
Jul, 2023
本文介绍了一种基于物理模型的方法,用于从视频中推断 3D 人体运动,该方法利用初始的 2D 和 3D 姿态估计作为输入,并通过物理轨迹优化得出一个符合物理规律的运动。实验结果显示,相较于纯运动学方法,该方法能够显著地提高动作的真实性和准确性。
Jul, 2020
提出了一种基于身体部位的柔性运动重定向框架,其在运动编码阶段引入了姿势感知注意网络(PAN),并使用特征池化构建每个身体部位的共享潜在空间,通过在运动解码阶段应用该框架,可以在更具挑战性的重定向情景中获得合理的结果。
Jun, 2023
从文本中生成三维交互式人体动作的研究,通过引入人体与物体接触的联系,提出了一种新的方法 CATMO,整合了运动和接触序列,通过学习文本嵌入来生成稳定的动作序列。
Mar, 2024
本文提出了一种新的方法,通过使用神经网络从视频中提取人体运动的高级潜在表示的方法,实现了不需要显式重建三维姿态和 / 或相机参数的不同人类表演者之间的视频捕获运动的再定向。
May, 2019