- 简介CG人群在过去的十年中在VFX和动画行业中变得越来越流行：曾经只有少数高端工作室和大片使用，现在它们在电视节目或广告中被广泛使用。然而，仍然存在一个主要限制：为了能够正确地在人群软件中使用，工作室必须遵守特定的先决条件，特别是在变形方面。通常只支持蒙皮、混合形状和几何缓存，从而防止在人群角色上进行面部表演的特写镜头。我们构想了两种方法来解决这个问题：要么反向工程主要的DCCs/plugins中可用的数百个变形器节点，并将它们纳入我们的人群包中，要么利用机器学习来使用神经网络架构压缩一个rig的变形。考虑到我们无法为这个问题承诺5年以上的开发时间，并且我们对涉足机器学习领域感到兴奋，我们选择了后者。从我们的第一次测试到最小可行产品，我们经历了希望和失望：在到达目的地之前，我们遇到了多个陷阱，走了错误的捷径和死胡同。通过本文，我们希望通过分享我们从这次经验中学到的教训，提供有价值的反馈。
- 图表
- 解决问题解决CG角色变形问题，提高人工智能在动画制作中的应用
- 关键思路使用神经网络压缩角色变形数据，使其符合人群软件的要求，从而实现在近景镜头中使用角色变形
- 其它亮点通过对比实验，证明了使用神经网络压缩角色变形数据的方法的有效性，同时提供了开源代码和数据集，为后续研究提供了基础
- 相关研究包括使用深度学习进行角色建模和动画生成的论文《Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills》
沙发等你来抢
去评论
评论
沙发等你来抢