相位流形中的运动中间插值
原文中文，约500字，阅读约需2分钟。发表于：。通过使用周期自编码器学习到的相位变量，在混合专家神经网络模型中引入了一种新颖的数据驱动的动作插值系统，以达到人物的目标姿势。我们的方法在空间和时间上以不同的专家权重聚类动作，生成一系列自回归方式在当前状态和目标状态之间的姿势序列。此外，为了满足动画师手动修改的姿势或某些末端执行器作为要达到的约束，我们实施了学习的双向控制方案来满足这些约束。结果表明，使用相位进行动作插值任务可以使插值动作更加...
本文介绍了一种新颖的数据驱动的动作插值系统，通过使用周期自编码器学习到的相位变量，在混合专家神经网络模型中实现人物的目标姿势。该方法通过聚类动作的专家权重，在空间和时间上生成一系列姿势序列。实验结果表明，使用相位进行动作插值任务可以使插值动作更加清晰稳定，并能合成更具挑战性的运动。该框架在动作质量和泛化性方面与最先进的方法相竞争，适用于游戏和电影行业中的动画人物序列的快速原型工作流程。
