Метод глубокого обучения помог улучшить анимацию собак
29.11.2021, 09:51 Исследователи из Дублинского Тринити-колледжа и Университета Бата разработали нейросеть с глубоким обучением, которая может помочь улучшить качество анимации четвероногих животных, таких как собаки. Donal Egan
Воспроизвести походку собаки очень непросто, но новая нейросеть справилась с этим на ура
Создание высококачественных анимаций собак и других четвероногих животных — сложная задача. Это обусловлено тем, что эти животные передвигаются довольно сложно и имеют уникальную походку с определенным рисунком поступи. Авторы нового исследования хотели создать структуру, которая могла бы упростить создание анимации четвероногих и делать более убедительный контент как для фильмов, так и для видеоигр.
«Создание анимации, воспроизводящей движение четвероногих, с использованием традиционных методов, таких как кейфрейминг, довольно сложно, — сказал один из авторов работы Донал Иган. — Вот почему мы подумали, что было бы полезно разработать систему, которая могла бы автоматически улучшать созданную на первом этапе грубую анимацию, устраняя необходимость в дорисовке пользователями специальных программ».
Новая работа основывается на предыдущих исследованиях, направленных на использование глубокого обучения для генерации и прогнозирования движений человека. Чтобы достичь аналогичных результатов с четвероногими, ученые использовали большой набор данных захвата движения, представляющих движения реальной собаки. Эти данные были использованы для создания нескольких высококачественных и реалистичных анимаций собак.
«Для каждой из этих анимаций мы смогли автоматически создать соответствующую «плохую» модель с тем же содержанием, но пониженного качества, т. е. содержащую ошибки и лишенную многих тонких деталей истинного движения собаки, — рассказал Донал Иган. — Затем мы обучили нейронную сеть определять разницу между «плохими» и высококачественными анимациями».
Исследователи оценили свой алгоритм глубокого обучения в серии тестов и обнаружили, что он может значительно улучшить качество существующих анимаций собак, не изменяя семантику анимации. В будущем их модель может быть использована для ускорения и облегчения создания анимации для использования в фильмах или видеоиграх. В своих следующих исследованиях Иган и его коллеги планируют продолжить изучение методов, с помощью которых движения животных можно сделать реалистичнее.
Воспроизвести походку собаки очень непросто, но новая нейросеть справилась с этим на ура
Создание высококачественных анимаций собак и других четвероногих животных — сложная задача. Это обусловлено тем, что эти животные передвигаются довольно сложно и имеют уникальную походку с определенным рисунком поступи. Авторы нового исследования хотели создать структуру, которая могла бы упростить создание анимации четвероногих и делать более убедительный контент как для фильмов, так и для видеоигр.
«Создание анимации, воспроизводящей движение четвероногих, с использованием традиционных методов, таких как кейфрейминг, довольно сложно, — сказал один из авторов работы Донал Иган. — Вот почему мы подумали, что было бы полезно разработать систему, которая могла бы автоматически улучшать созданную на первом этапе грубую анимацию, устраняя необходимость в дорисовке пользователями специальных программ».
Новая работа основывается на предыдущих исследованиях, направленных на использование глубокого обучения для генерации и прогнозирования движений человека. Чтобы достичь аналогичных результатов с четвероногими, ученые использовали большой набор данных захвата движения, представляющих движения реальной собаки. Эти данные были использованы для создания нескольких высококачественных и реалистичных анимаций собак.
«Для каждой из этих анимаций мы смогли автоматически создать соответствующую «плохую» модель с тем же содержанием, но пониженного качества, т. е. содержащую ошибки и лишенную многих тонких деталей истинного движения собаки, — рассказал Донал Иган. — Затем мы обучили нейронную сеть определять разницу между «плохими» и высококачественными анимациями».
Исследователи оценили свой алгоритм глубокого обучения в серии тестов и обнаружили, что он может значительно улучшить качество существующих анимаций собак, не изменяя семантику анимации. В будущем их модель может быть использована для ускорения и облегчения создания анимации для использования в фильмах или видеоиграх. В своих следующих исследованиях Иган и его коллеги планируют продолжить изучение методов, с помощью которых движения животных можно сделать реалистичнее.
Ещё новости по теме:
18:20