Fugu-MT 論文翻訳(概要): Online Motion Style Transfer for Interactive Character Control

論文の概要: Online Motion Style Transfer for Interactive Character Control

arxiv url: http://arxiv.org/abs/2203.16393v1
Date: Wed, 30 Mar 2022 15:23:37 GMT
ステータス: 処理完了
システム内更新日: 2022-03-31 18:21:30.824836
Title: Online Motion Style Transfer for Interactive Character Control
Title（参考訳）: 対話型キャラクタ制御のためのオンラインモーションスタイル転送
Authors: Yingtian Tang, Jiangtao Liu, Cheng Zhou, Tingguang Li
Abstract要約: 本稿では,ユーザ制御下で異なるスタイルの動作を生成し,リアルタイムに動作スタイルを伝達するエンド・ツー・エンドニューラルネットワークを提案する。本手法は手作りのフェーズ機能の使用を排除し,ゲームシステムに容易にトレーニングし,直接デプロイすることができる。
参考スコア（独自算出の注目度）: 5.6151459129070505
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Motion style transfer is highly desired for motion generation systems for gaming. Compared to its offline counterpart, the research on online motion style transfer under interactive control is limited. In this work, we propose an end-to-end neural network that can generate motions with different styles and transfer motion styles in real-time under user control. Our approach eliminates the use of handcrafted phase features, and could be easily trained and directly deployed in game systems. In the experiment part, we evaluate our approach from three aspects that are essential for industrial game design: accuracy, flexibility, and variety, and our model performs a satisfying result.
Abstract（参考訳）: モーションスタイルの転送はゲーム用のモーション生成システムに非常に望ましい。オフライン版と比較すると、インタラクティブコントロール下でのオンラインモーションスタイル転送に関する研究は限られている。本研究では,ユーザ制御下で異なるスタイルの動作を生成し,リアルタイムに動作スタイルを伝達するエンド・ツー・エンドニューラルネットワークを提案する。本手法は手作りのフェーズ機能の使用を排除し,ゲームシステムに容易にトレーニングし,直接デプロイすることができる。実験部では,産業ゲーム設計に不可欠な3つの側面,すなわち精度,柔軟性,多様性からアプローチを評価する。

関連論文リスト

Sitcom-Crafter: A Plot-Driven Human Motion Generation System in 3D Scenes [83.55301458112672]
Sitcom-Crafterは3D空間における人間のモーション生成システムである。機能生成モジュールの中心は、我々の新しい3Dシーン対応ヒューマン・ヒューマン・インタラクションモジュールである。拡張モジュールは、コマンド生成のためのプロット理解、異なるモーションタイプのシームレスな統合のためのモーション同期を含む。
論文参考訳（メタデータ） (2024-10-14T17:56:19Z)
Decoupling Contact for Fine-Grained Motion Style Transfer [21.61658765014968]
モーションスタイルの転送は、その内容を維持しながら動きのスタイルを変え、コンピュータアニメーションやゲームに有用である。動作スタイルの伝達において、接触を分離して制御し、きめ細かい制御を行う方法は不明である。本研究では,触覚の自然な動きと時空間変動を両立させながら,接触のきめ細かい制御を行う新しいスタイル伝達法を提案する。
論文参考訳（メタデータ） (2024-09-09T07:33:14Z)
MotionCrafter: One-Shot Motion Customization of Diffusion Models [66.44642854791807]
ワンショットのインスタンス誘導モーションカスタマイズ手法であるMotionCrafterを紹介する。 MotionCrafterは、基準運動をベースモデルの時間成分に注入する並列時空間アーキテクチャを採用している。トレーニング中、凍結ベースモデルは外見の正規化を提供し、運動から効果的に外見を分離する。
論文参考訳（メタデータ） (2023-12-08T16:31:04Z)
Universal Humanoid Motion Representations for Physics-Based Control [71.46142106079292]
物理学に基づくヒューマノイド制御のための総合的な運動スキルを含む普遍的な運動表現を提案する。まず、大きな非構造運動データセットから人間の動きをすべて模倣できる動き模倣機を学習する。次に、模倣者から直接スキルを蒸留することで、動作表現を作成します。
論文参考訳（メタデータ） (2023-10-06T20:48:43Z)
CALM: Conditional Adversarial Latent Models for Directable Virtual Characters [71.66218592749448]
本研究では,ユーザが制御する対話型仮想キャラクタに対して,多種多様かつ指示可能な振る舞いを生成するための条件付き適応潜在モデル(CALM)を提案する。模倣学習を用いて、CALMは人間の動きの複雑さを捉える動きの表現を学び、キャラクターの動きを直接制御できる。
論文参考訳（メタデータ） (2023-05-02T09:01:44Z)
Style-ERD: Responsive and Coherent Online Motion Style Transfer [13.15016322155052]
スタイル転送はキャラクターアニメーションを豊かにする一般的な方法である。動きをオンラインでスタイル化するための新しいスタイル転送モデルであるStyle-ERDを提案する。本手法は,動作を複数のターゲットスタイルに統一したモデルでスタイリングする。
論文参考訳（メタデータ） (2022-03-04T21:12:09Z)
Motion Puzzle: Arbitrary Motion Style Transfer by Body Part [6.206196935093063]
モーション・パズル(Motion Puzzle)は、いくつかの重要な点において最先端のモーション・スタイル・トランスファー・ネットワークである。本フレームワークは,異なる身体部位に対する複数のスタイル動作からスタイル特徴を抽出し,対象身体部位に局所的に伝達する。フラッピングやスタッガーのようなダイナミックな動きによって表現されるスタイルを、以前の作品よりもはるかに良く捉えることができる。
論文参考訳（メタデータ） (2022-02-10T19:56:46Z)
Real-Time Style Modelling of Human Locomotion via Feature-Wise Transformations and Local Motion Phases [13.034241298005044]
本稿では、アニメーション合成ネットワークを用いて、局所的な動き位相に基づく動きコンテンツをモデル化するスタイルモデリングシステムを提案する。追加のスタイル変調ネットワークは、機能ワイズ変換を使用してリアルタイムでスタイルを変調する。リアルタイムスタイルモデリングの他の手法と比較して,動作品質を向上しつつ,そのスタイル表現においてより堅牢で効率的であることを示す。
論文参考訳（メタデータ） (2022-01-12T12:25:57Z)
AMP: Adversarial Motion Priors for Stylized Physics-Based Character Control [145.61135774698002]
我々は,与えられたシナリオで追跡するキャラクタの動作を選択するための完全自動化手法を提案する。キャラクタが実行するべきハイレベルなタスク目標は、比較的単純な報酬関数によって指定できる。キャラクタの動作の低レベルスタイルは、非構造化モーションクリップのデータセットによって指定できる。本システムでは,最先端のトラッキング技術に匹敵する高品質な動作を生成する。
論文参考訳（メタデータ） (2021-04-05T22:43:14Z)
UniCon: Universal Neural Controller For Physics-based Character Motion [70.45421551688332]
大規模動作データセットから学習することで,異なるスタイルで数千の動作を習得する物理ベースのユニバーサルニューラルコントローラ(UniCon)を提案する。 UniConは、キーボード駆動制御をサポートし、ロコモーションとアクロバティックスキルの大きなプールから引き出されたモーションシーケンスを作成し、ビデオで撮影した人を物理ベースの仮想アバターにテレポートする。
論文参考訳（メタデータ） (2020-11-30T18:51:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。