基于运动图的路径编辑技术

改进了过渡运动的生成算法和路径搜索算法,提出了一种基于运动图的路径编辑的新方法。其中,针对过渡运动的构造,通过最小化融合帧之间的平均帧间距来自动确定用于运动融合的运动片段,并提出了改进动态时间变形(EDTW)算法来解决这一最优化问题;针对运动图上的路径搜索,提出了基于路径曲线所夹面积的目标函数并改进了分段搜索算法和剪枝策略。实验结果表明,该方法能够编辑生成与用户指定路径高度匹配的人物运动。     

基于骨骼的三维虚拟人运动合成方法研究

针对虚拟人运动合成中建立的人体模型存在复杂化、合成的虚拟人运动序列逼真度差的问题,提出了一种基于骨骼的虚拟人运动合成方法。在分析人体结构的基础上,通过三维图形软件获取人体骨骼数据,构建虚拟人体的骨骼模型。另外,将关键帧四元数球面插值算法与时间和空间变形方法相结合,生成多样化的虚拟人运动序列。实验结果验证了该方法的有效性。     

3维人体运动编辑与合成技术综述

为了使人们对3维人体运动编辑与合成技术有个概略了解,对当前3维人体运动编辑和合成技术的研究现状进行了系统阐述。首先对4大类3维人体运动合成方法进行了分析比较;然后按照运动捕获数据的表示方法、运动编辑技术、运动合成技术3个方面着重分析了运动捕获数据驱动的运动合成方法的发展现状;最后对目前3维人体运动编辑与合成技术研究中的难点问题及未来研究重点进行了展望。     

基于可变形运动模型的多角色语义化运动合成

对于一个完整的虚拟环境而言,智能的人群运动会使其更为生动、逼真。针对人群运动数据存在维度高、可控性差的问题,提出一种多角色可变形运动模型,其将人体运动分解为几何与时间变化两部分,并使用PCA算法进行有效降维,构建可变形运动模型的低维语义空间。实验结果表明,提出的方法能根据语义需求调节语义参数,实现多角色的语义化运动分析与合成。     

模板化的人体运动合成

为解决现有运动合成方法中控制方式过于复杂的问题,提出一种模板化的运动合成模型,旨在降低运动合成技术的应用门槛.利用稀疏主成分分析(Sparse principal component analysis, SPCA)、Group lasso和Exclusive group lasso对人体运动进行建模,使其对应的每一个低维参数只依赖于少数几个人体关节,构成人体运动的一个内在自由度(Degree of freedom, DOF),并具有直观语义;同时,每个关节被尽量少的低维参数所控制,以减少低维参数对彼此所控制的自由度的交叉影响.实验表明,通过直观地修改低维参数,就能够实时地控制每个参数对应的摆臂幅度、踢腿高度、跳跃距离等运动属性.这种模板学习、模板定制的两步方法,有效地降低了运动合成控制的复杂度,即便非专业人员也可以用其进行艺术创作.     

面向广电节目的虚拟人手语合成显示平台研究

基于中国手语合成技术的虚拟人手语视频显示平台技术是一个全新的课题.为了满足广电新闻节目对手势运动流畅性要求,实现了一种上下文相关的手势运动平滑算法,该方法能够充分利用前后两帧的差异来实现手势运动的平滑过渡,其视觉感观效果较传统插值算法更加平滑自然;同时提出了一种基于统计和规则相结合的手势运动重定向算法,在统计方法的基础上针对不同骨架大小以及运动特性进行规则约束,使得标准模型手势运动数据应用到新模型上而不失其准确性;最后,通过扩展基本手语词表达形式并基于alpha融合技术实现了面向广电新闻节目的虚拟人手语合成显示平台并取得很好的结果.     

基于VRML的中国手语三维显示

手语合成的目的是由计算机自动生成文本句子对应的手语，是智能人机接口研究的一个极具挑战性的课题。手语显示是手语合成过程中非常关键的一步，其任务是在文本句子转换为手语码后，将手语码逼真地显示成虚拟人手语运动。介绍了研究中国手语合成时提出的一种基于VRML的三维虚拟人姿态显示方法和连续中国聋人手语显示方法。该方法不仅可以显示逼真的虚拟人合成手语，而且具有很好的通用性，为网络环境中实现不同人体模型的手语表达与传输打下了基础。     

人体运动的稀疏语义参数化模型与交互式合成

为了解决参数化运动合成方法中普遍存在的参数结构不统一和可理解性差的问题,提出一种稀疏语义参数化模型.该模型对预处理后的运动样本进行时序成组的稀疏主成分分析,得到若干个稀疏基向量;将运动参数表示为原始变量的稀疏线性组合,而组合系数对应着稀疏基向量的分量,因此运动参数具有鲜明语义.实验结果表明,采用文中模型只需简单地修改运动参数的数值,就能够实时地控制如摆臂幅度、肘部弯曲程度、行走路径、步幅、跳跃距离等运动属性,从而直观、高效地合成出符合用户要求的逼真运动.     

基于关键姿态分析的运动图自动构建

高结点聚合运动图(snap together motion graph, STM graph)是刻画虚拟角色运动序列关系的一种结构化运动图.其特点是图中每个结点都包含多条与之相连的边,能够实现对虚拟角色的灵活控制.然而现有的高结点聚合运动图构建方法存在手工标注任务繁重、关键姿态提取结果不准确等问题.针对上述问题,提出了一种基于关键姿态分析的运动图自动构建新方法：通过维度约简和非参数密度估计分析样本数据的概率密度,获得一组关键姿态;然后通过分割获得运动片段,最后构建高结点聚合运动图.该方法不仅提高了关键姿态的提取精度,减少了构图过程的主观因素,同时提高了对虚拟角色控制的灵活性.实验结果表明了该方法的有效性.     

通过语义控制改进运动合成

运动相似性度量是基于运动图的人体运动合成技术的关键.现有方法主要使用运动捕捉数据姿态数值特征进行相似性度量与合成控制,很难处理语义描述上同类型运动数据集中的不同运动实现版本间的时间与空间特征分布变化的问题.提出了引入用户语义控制来改进基于运动图的人体运动合成方法.使用关系特征作为高层语义描述,刻画同类型运动的空间变化特征;通过自学习过程,获得运动类模板,作为同类型运动的空-时特征语义描述;通过将运动类模板数据与人体运动序列文件进行匹配,实现运动类型识别和自动语义信息标注;借助关系特征语义描述及运动序列文件的语义标注信息,实现在基于运动图的运动合成中引入用户直观的高层语义控制.运动合成实验结果显示了该方法的有效性,为获得高质量人体运动合成数据提供途径.     

基于小波变换的运动分析及其应用

对捕获的运动数据进行编辑处理 ,是生成新的复杂人体动画和提高运动捕获数据重用性的关键 ,但目前大多数运动编辑技术不具备对运动进行高层控制处理的能力 ,为此 ,提出了一种基于小波变换的运动编辑新算法 ,即将小波变换引入运动编辑 ,并对运动信号进行多分辨率分析 ,从而实现了运动特征增强、运动融合及运动特征提取与综合 .实验结果表明 ,该算法非常适合对运动特征进行处理 ,由于其能够在高层次上对运动进行有效的编辑 ,因而提高了动画师的工作效率 .     

基于Graph Cut的快速纹理合成算法

提出一种带边界匹配的基于Graph Cut的快速纹理合成算法．通过将纹理样本以不同的位移贴到输出图中完成合成,重叠区域的像素取值由Graph Cut确定．引入边界图辅助位移搜索,以增强合成结果的边界连续性;在预处理过程中计算2个相同样本在所有相对位移下的匹配误差,选取一部分误差最小的位移组成“优选位移”集合,合成过程中的块间相对位移仅从此集合中选取,大大地提高了合成速度．实验结果表明,该算法合成质量高、适用范围广、合成速度快．     

基于属性图模型的领域知识图谱构建方法

随着大数据时代的到来,各个行业领域需要处理的数据之间的关系数量呈几何级数增长,亟需一种支持海量复杂数据关系表示能力的数据模型,即领域知识图谱.虽然领域知识图谱展现了巨大的潜力,但不难发现目前仍然缺乏成熟的构建技术和平台.如何快速构建出领域知识图谱是一个重要挑战.在对领域知识图谱进行系统的研究后,提出了一种基于属性图模型...     

基于可操作度的虚拟人手部避障运动控制算法

研究复杂作业环境中虚拟人手部避障运动的高精度控制问题,问题的关键是解决虚拟人手的设计.为了灵活操作能在操作的末端临时变换姿态,给控制过程中手臂转动路线,速度,加速度等参数的控制带来较大困难.传统的控制方法通过增加控制自由度来解决这个问题,但是一旦自由度增加,会带来冗余控制影响,弊端较为明显.提出一种采用可操作度矩阵的逆向运动学控制算法,引入可操作度模型进行肢体末端效应器运动路径的生成,与HAL链IK分析求解方法相结合,实现了真实感较强的肢体实时运动控制.通过仿真和动作捕获实验验证了算法的有效性,可应用于人机工程仿真中的避障控制和干涉检查.     

基于虚拟演播室的Motion Capture研究

在介绍虚拟演播室的基础上,分析了Motion Capture的技术和应用,提出了一种基于虚拟演播室的系统实现,并探讨了其在节目制作中的应用。     

基于互联网群体智能的知识图谱构造方法

知识图谱是一种基于图的结构化知识表示方式.如何构造大规模高质量的知识图谱,是研究和实践面临的一个重要问题.提出了一种基于互联网群体智能的协同式知识图谱构造方法.该方法的核心是一个持续运行的回路,其中包含自由探索、自动融合、主动反馈3个活动.在自由探索活动中,每一参与者独立进行知识图谱的构造活动.在自动融合活动中,所有参与者的个体知识图谱被实时融合在一起,形成群体知识图谱.在主动反馈活动中,支撑环境根据每一参与者的个体知识图谱和当前时刻的群体知识图谱,向该参与者推荐特定的知识图谱片段信息,以提高其构造知识图谱的效率.针对这3个活动,建立了一种层次式的个体知识图谱表示机制,提出了一种以最小化广义熵为目标的个体知识图谱融合算法,设计了情境无关和情境相关两种类型的信息反馈方式.为了验证所提方法及关键技术的可行性,设计并实施了3种类型的实验:仅包含结构信息的仿真图融合实验、大规模真实知识图谱的融合实验,以及真实知识图谱的协同式构造实验.实验结果表明,该知识图谱融合算法能够有效利用知识图谱的结构信息以及节点的语义信息,形成高质量的知识图谱融合方案;基于“探索-融合-反馈”回路的协同方法能够提升群体...     

基于图神经网络的多维度池化图分类

目前很多处理图数据的图神经网络方法被提出,然而大多数研究侧重于对特征聚合的卷积层的研究而不是进行下采样的池化层.此外,形成聚类簇的池化方式需要额外计算分配矩阵;节点得分的池化方式排名方式单一.为解决上述问题,提高图分类任务的准确性,本文提出了一种新的基于多维度信息的图池化算子MDPool.该模型使用节点特征信息以及图拓扑结构信息,获取不同维度下的节点得分.使用注意力机制归纳不同维度下的得分权重,生成更为健壮的节点排名,基于节点排名自适应选择节点集合生成诱导子图.提出的MDPool可以集成到多种的图神经网络结构,将MDPool池化算子与图神经网络卷积层堆叠形成编码解码模型EDMDPool.在4个公开数据集的图分类任务中, EDMDPool均高于现有基线模型.