一种角色运动轨迹提取及重定向的方法

随着计算机图形学和动漫产业的快速发展,通过计算机实现运动编辑和运动重定向技术,形成角色动作库进行重复利用,成为快速生产动漫作品的一个重要手段。提出了一种角色运动轨迹提取及重定向的方法。该方法通过记录角色末端关节的运动轨迹,通过一定的归一化规则提取建立角色运动轨迹库,利用CCD逆向运动学解算器重定向至另外一个角色,实现角色动作的重复利用,达到了较为理想的效果。     

一种人体运动重定向方法*

提出人体下肢向量的概念,通过分析人体运动指出下肢向量能保持运动的主要特征,由此提出基于下肢向量特征不变性的人体运动重定向方法,以此提高运动捕获数据的可重用性。该方法面向人体下肢的运动重定向,能够将运动数据从原始骨骼模型重定向到具有不同骨骼长度比例的目标骨骼模型,同时保持原始运动的主要特征。实验结果表明,该方法具有较好的运动重定向效果和较快的计算效率。     

基于时空约束的运动编辑和运动重定向

近年来兴起的运动捕获已成为人体动画中最有应用前景的技术之一，目前运动捕获手段很多，但是通常成本高，而且捕获到的运动类型比较单一，为了提高运动捕获数据的重用性，生成与复杂场景协调的多样的动画，必须对捕获的运动数据进行编辑和重定向处理，介绍了一种基于时空约束的运动编辑和运动重定向方法，通过规定一组时空约束条件，建立相应的目标函数，采用逆向运动学和数值优化方法求解出满足约束条件的运动姿势，实验结果表明，该方法可以生成多种满足不同场景婪泊逼真运动，提出了数据的重用性。     

面向关节坐标运动数据重定向的通用双向循环自编码器

针对面向关节坐标表示的骨骼运动数据重定向网络缺乏通用性的问题,提出一种能够实现源骨骼到多种骨骼运动重定向的通用双向循环自编码器.该自编码器由基于关节坐标表示的运动数据以重建误差为损失函数训练得到.在完成训练后,首先用自编码器计算源运动数据对应的隐变量和重建运动,然后对重建运动施加骨骼长度约束、足迹约束、根关节位置约束以及骨骼角度约束,并将损失反向传播至隐变量空间中优化隐变量,通过多次迭代得到重定向后运动.在CMU运动数据库上的实验结果表明,提出的自编码器及4种约束能够实现基于关节坐标表示的运动数据的重定向,并且得到的重定向运动在骨骼长度误差、骨骼角度误差、末端效应器轨迹以及平滑性上具有更好的效果.     

一种解析的反向运动学方法*

针对多关节的反向运动学（IK）提出一种解析的求解方法,直接给出公式来求解关节链中所有待求关节的位置和旋转变量。同传统的迭代方法相比,该方法省却了繁琐的迭代计算,具有更高的求解效率,可以应用于角色动作、运动轨迹的设计、编辑及优化等交互性强和实时性要求高的应用中。     

手势数据驱动的头部运动合成方法

非手部手势是手语表达中不可缺少的一部分,头部运动的实现并与手势进行协同表达是其重要研究内容。对真人手语表演数据中的手势与头部动作之间的关系进行了深入研究,提取二者的动作特征,利用核典型相关分析方法(kernel canonical correlation analysis,KCCA)建立起手势与头部动作之间的预测关系模型。动画合成结果以及评价实验表明,KCCA方法能更好地刻画手势与头部动作的协调性,实现虚拟人行为动作合成的逼真性。     

人体跨越障碍物的运动生成方法

给出了一种跨越二维障碍物地形的虚拟人体下肢运动的生成方法.首先生成足迹,然后以足迹作为条件,基于简化的腿部模型,分别用不同的方法生成各部分的运动:用曲线拟合脚踝运动轨迹;采用增加约束条件的几何运算生成膝关节运动;采用曲线插值及升阶的方法拟合成脚踝跨越障碍物的运动.介绍了部分实现与实验结果.实验表明,该方法计算量相对较小,有一定的逼真性,适用于二维障碍物地形环境中人体下肢运动的生成.     

人体跨越障碍物的运动生成方法

给出了一种跨越二维障碍物地形的虚拟人体下肢运动的生成方法。首先生成足迹,然后以足迹作为条件,基于简化的腿部模型,分别用不同的方法生成各部分的运动：用曲线拟合脚踝运动轨迹;采用增加约束条件的几何运算生成膝关节运动;采用曲线插值及升阶的方法拟合成脚踝跨越障碍物的运动。介绍了部分实现与实验结果。实验表明,该方法计算量相对较小,有一定的逼真性,适用于二维障碍物地形环境中人体下肢运动的生成。     

基于改进手臂运动模型的手势生成系统构建

随着社会信息化的提高和人机交互技术的普及,手语合成技术得到了很大的重视与发展,基于对当前中国手语合成技术的研究,从机器人手臂运动学角度,对于已有的手臂运动模型进行了改进,并基于改进后的运动模型,通过软件设计方法构建了相应的手势生成系统。     

基于运动历史图的网格变形视频重定向

保持时域连贯性与保证图像空域的重建质量在视频重定向中至关重要。针对这个问题,提出一种基于运动历史图的网格变形方法进行视频大小的调整。通过估计帧间摄像机的运动,将视频帧对齐在时间轴上,构造全局运动模型,从而获得全局运动历史图;利用运动历史图来顺序指导单帧图像形变,将单帧图像的放缩问题转换为网格变形问题,通过构造一系列约束条件在网格上建立保持整体形状的最优化模型,实现背景的时间连续性的同时又有效地保持运动对象的形状。测试结果显示无论是处理静止的视频还是具有复杂运动的视频,该方法都能获得令人满意的结果,且能实现对视频流的实时处理。     

Motion Style Retargeting to Characters With Different Morphologies

We present a novel approach for style retargeting to non‐humanoid characters by allowing extracted stylistic features from one character to be added to the motion of another character with a different body morphology. We introduce the concept of groups of body parts (GBPs), for example, the torso, legs and tail, and we argue that they can be used to capture the individual style of a character motion. By separating GBPs from a character, the user can define mappings between characters with different morphologies. We automatically extract the motion of each GBP from the source, map it to the target and then use a constrained optimization to adjust all joints in each GBP in the target to preserve the original motion while expressing the style of the source. We show results on characters that present different morphologies to the source motion from which the style is extracted. The style transfer is intuitive and provides a high level of control. For most of the examples in this paper, the definition of GBP takes around 5 min and the optimization about 7 min on average. For the most complicated examples, the definition of three GBPs and their mapping takes about 10 min and the optimization another 30 min.     

Recurrent Motion Refiner for Locomotion Stitching

Stitching different character motions is one of the most commonly used techniques as it allows the user to make new animations that fit one's purpose from pieces of motion. However, current motion stitching methods often produce unnatural motion with foot sliding artefacts, depending on the performance of the interpolation. In this paper, we propose a novel motion stitching technique based on a recurrent motion refiner (RMR) that connects discontinuous locomotions into a single natural locomotion. Our model receives different locomotions as input, in which the root of the last pose of the previous motion and that of the first pose of the next motion are aligned. During runtime, the model slides through the sequence, editing frames window by window to output a smoothly connected animation. Our model consists of a two-layer recurrent network that comes between a simple encoder and decoder. To train this network, we created a sufficient number of paired data with a newly designed data generation. This process employs a K-nearest neighbour search that explores a predefined motion database to create the corresponding input to the ground truth. Once trained, the suggested model can connect various lengths of locomotion sequences into a single natural locomotion.     

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.     

Example‐Based Retargeting of Human Motion to Arbitrary Mesh Models

We present a novel method for retargeting human motion to arbitrary 3D mesh models with as little user interaction as possible. Traditional motion‐retargeting systems try to preserve the original motion, while satisfying several motion constraints. Our method uses a few pose‐to‐pose examples provided by the user to extract the desired semantics behind the retargeting process while not limiting the transfer to being only literal. Thus, mesh models with different structures and/or motion semantics from humanoid skeletons become possible targets. Also considering the fact that most publicly available mesh models lack additional structure (e.g. skeleton), our method dispenses with the need for such a structure by means of a built‐in surface‐based deformation system. As deformation for animation purposes may require non‐rigid behaviour, we augment existing rigid deformation approaches to provide volume‐preserving and squash‐and‐stretch deformations. We demonstrate our approach on well‐known mesh models along with several publicly available motion‐capture sequences.     

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.     

运动路径驱动的角色动画合成方法

为了给虚拟角色合成出逼真的大范围运动数据,提出一种为特定运动路径配上自然多样的人体运动数据的方法.该方法将待匹配运动路径分割为一系列短小的运动路径片断,并在一个结构化的运动状态机上逐片断地寻找最为匹配的运动序列;然后将这些运动序列依次连接起来,得到一段连续的、满足运动路径约束的人体运动数据.用户还可以交互式地设计运动路径上一个路径片断的运动类型.该方法适用于待匹配运动路径运动范围大、对多条运动路径同时计算匹配运动、多条运动路径之间交叉频繁的情景.     

Leap Motion关键点模型手姿态估计方法

在虚拟操作的人机交互中,为解决视觉方式人手姿态估计的问题,提出一种基于Leap Motion采集设备的关键点模型手姿态参数估计方法.该方法通过建立关键点模型,利用Leap Motion采集的少量手势信息计算模型中人手关键点的空间位置,并将其作为手姿态的估计参数.实验结果表明,文中方法能够实时地估算出手各个关键点的位置以驱动虚拟手运动,为基于手势的虚拟操作人机交互应用奠定了基础.     

人体运动的函数数据分析与合成

在许多虚拟现实的应用中,虚拟人作为人在计算机中的表示,是提高其交互能力和沉浸感的重要因素之一.然而,对于虚拟人建模而言,合成逼真、可控的虚拟人运动仍然是具有挑战性的课题.为此,提出了一种基于函数数据分析的人体运动合成方法.通过对一组样本运动进行函数主成分分析,构建出一个由特征运动构成的低维函数子空间.该低维子空间不仅能够有效地刻画样本序列内在的变化规律,而且也为有目的的运动合成提供了方法.在该空间中,通过控制各特征运动的系数即可合成出逼真、平滑的运动序列.该合成过程没有耗时的计算,因此能够满足各种实时应用