相位流形中的运动中间插值

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。