論文の概要: Generative AI for Character Animation: A Comprehensive Survey of Techniques, Applications, and Future Directions
- arxiv url: http://arxiv.org/abs/2504.19056v1
- Date: Sun, 27 Apr 2025 00:09:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.111671
- Title: Generative AI for Character Animation: A Comprehensive Survey of Techniques, Applications, and Future Directions
- Title（参考訳）: キャラクターアニメーションのためのジェネレーティブAI:技術、応用、今後の方向性に関する総合的な調査
- Authors: Mohammad Mahdi Abootorabi, Omid Ghahroodi, Pardis Sadat Zahraei, Hossein Behzadasl, Alireza Mirrokni, Mobina Salimipanah, Arash Rasouli, Bahar Behzadipour, Sara Azarnoush, Benyamin Maleki, Erfan Sadraiye, Kiarash Kiani Feriz, Mahdi Teymouri Nahad, Ali Moghadasi, Abolfazl Eshagh Abianeh, Nizi Nazar, Hamid R. Rabiee, Mahdieh Soleymani Baghshah, Meisam Ahmadi, Ehsaneddin Asgari,
- Abstract要約: ジェネレーティブAIはアート、ゲーム、そして最も顕著なアニメーションを再構築している。
キャラクターは、動き、感情、ジェスチャー、表情を含む中心的なアニメーションコンポーネントである。
この調査は、キャラクターアニメーションのすべての主要な生成AIアプリケーションについて、単一の総合的な視点を提供する。
- 参考スコア（独自算出の注目度）: 3.552156682916986
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Generative AI is reshaping art, gaming, and most notably animation. Recent breakthroughs in foundation and diffusion models have reduced the time and cost of producing animated content. Characters are central animation components, involving motion, emotions, gestures, and facial expressions. The pace and breadth of advances in recent months make it difficult to maintain a coherent view of the field, motivating the need for an integrative review. Unlike earlier overviews that treat avatars, gestures, or facial animation in isolation, this survey offers a single, comprehensive perspective on all the main generative AI applications for character animation. We begin by examining the state-of-the-art in facial animation, expression rendering, image synthesis, avatar creation, gesture modeling, motion synthesis, object generation, and texture synthesis. We highlight leading research, practical deployments, commonly used datasets, and emerging trends for each area. To support newcomers, we also provide a comprehensive background section that introduces foundational models and evaluation metrics, equipping readers with the knowledge needed to enter the field. We discuss open challenges and map future research directions, providing a roadmap to advance AI-driven character-animation technologies. This survey is intended as a resource for researchers and developers entering the field of generative AI animation or adjacent fields. Resources are available at: https://github.com/llm-lab-org/Generative-AI-for-Character-Animation-Survey.
- Abstract（参考訳）: ジェネレーティブAIはアート、ゲーム、そして最も顕著なアニメーションを再構築している。
基礎と拡散モデルにおける最近のブレークスルーにより、アニメーションコンテンツの制作にかかる時間とコストが削減された。
キャラクターは、動き、感情、ジェスチャー、表情を含む中心的なアニメーションコンポーネントである。
近年の進歩のペースと幅は、分野の一貫性を維持し、統合的なレビューの必要性を動機付けている。
アバター、ジェスチャー、顔のアニメーションを分離して扱う以前の概要とは異なり、この調査はキャラクターアニメーションのすべての主要な生成AIアプリケーションについて、単一の総合的な視点を提供する。
まず、顔アニメーション、表情レンダリング、画像合成、アバター生成、ジェスチャーモデリング、モーション合成、オブジェクト生成、テクスチャ合成における最先端技術について検討する。
先進的な研究、実践的なデプロイメント、一般的に使用されているデータセット、各領域の新たなトレンドに注目します。
また、新参者を支援するため、基礎モデルと評価指標を導入し、分野への参入に必要な知識を読者に提供する総合的な背景セクションも提供する。
オープンな課題を議論し、将来の研究方向性をマップし、AI駆動のキャラクターアニメーション技術を進化させるロードマップを提供する。
この調査は、ジェネレーティブAIアニメーションや隣接分野の分野に入る研究者や開発者のリソースとして意図されている。
リソースは以下の通り。 https://github.com/llm-lab-org/Generative-AI-for-Character-Animation-Survey。
関連論文リスト
- Generative AI for Film Creation: A Survey of Recent Advances [9.778792224015275]
Generative AI(GenAI)は、アーティストにテキスト・ツー・イメージや画像・ビデオ拡散、ニューラル・ラディアンス・フィールド、アバター生成、そして3D合成などのツールを提供する。
本稿では,近年のAI駆動映画から,これらの技術が映画製作に採用されていることを明らかにする。
3D生成の利用の増加や、実際の映像とAI生成要素の統合といった、新たなトレンドを強調します。
論文 参考訳（メタデータ） (2025-04-11T06:54:29Z) - Generative AI for Cel-Animation: A Survey [40.19745109954743]
GenAIは、技術的障壁を低くし、アクセシビリティを拡大し、アーティストがクリエイティブな表現と芸術的革新に集中できるようにすることによって、伝統的なアニメーションに革命をもたらしている。
その可能性にもかかわらず、一貫性の維持、スタイリスティックな一貫性の確保、倫理的配慮への対処といった問題は引き続き課題を提起している。
論文 参考訳（メタデータ） (2025-01-08T20:57:39Z) - AniDoc: Animation Creation Made Easier [54.97341104616779]
我々の研究は、ますます強力なAIの可能性を生かして、2Dアニメーションを制作する際のコスト削減に重点を置いている。
AniDocはビデオラインアートのカラー化ツールとして登場し、自動的にスケッチシーケンスをカラーアニメーションに変換する。
本モデルでは,一致マッチングを明示的なガイダンスとして活用し,基準文字と各ラインアートフレームの変動に強いロバスト性を与える。
論文 参考訳（メタデータ） (2024-12-18T18:59:59Z) - AvatarGO: Zero-shot 4D Human-Object Interaction Generation and Animation [60.5897687447003]
AvatarGOはテキスト入力からリアルな4D HOIシーンを生成するために設計された新しいフレームワークである。
我々のフレームワークは、コヒーレントな構成運動を生成するだけでなく、問題に対処する上でより堅牢性を示す。
4Dアバターをオブジェクトインタラクションで合成する最初の試みとして、AvatarGOが人間中心の4Dコンテンツを作るための新しい扉を開くことを願っている。
論文 参考訳（メタデータ） (2024-10-09T17:58:56Z) - Bring Your Own Character: A Holistic Solution for Automatic Facial
Animation Generation of Customized Characters [24.615066741391125]
仮想顔を自動的にアニメーションする総合的なソリューションを提案する。
深層学習モデルはまず、入力された顔画像から仮想人間の顔への表情の再ターゲティングを訓練した。
Unity 3Dを使った実用的なツールキットが開発され、最も人気のあるVRアプリケーションと互換性がある。
論文 参考訳（メタデータ） (2024-02-21T11:35:20Z) - AnimateAnything: Fine-Grained Open Domain Image Animation with Motion
Guidance [13.416296247896042]
本稿では,映像拡散モデルに先立って動きを利用するオープンドメイン画像アニメーション手法を提案する。
本手法では,移動領域の正確な制御と移動速度を実現するため,目標となる運動領域の誘導と運動強度の誘導を導入する。
オープンドメインデータセットを用いた厳密な実験により,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2023-11-21T03:47:54Z) - State of the Art on Diffusion Models for Visual Computing [191.6168813012954]
本稿では,拡散モデルの基本数学的概念,実装の詳細,および一般的な安定拡散モデルの設計選択を紹介する。
また,拡散に基づく生成と編集に関する文献の急速な発展を概観する。
利用可能なデータセット、メトリクス、オープンな課題、社会的意味について議論する。
論文 参考訳（メタデータ） (2023-10-11T05:32:29Z) - Human Motion Generation: A Survey [67.38982546213371]
人間の動き生成は、自然の人間のポーズシーケンスを生成し、現実世界の応用に大きな可能性を示すことを目的としている。
この分野のほとんどの研究は、テキスト、オーディオ、シーンコンテキストなどの条件信号に基づいて人間の動きを生成することに焦点を当てている。
本稿では,人間の動作生成に関する総合的な文献レビューを紹介する。
論文 参考訳（メタデータ） (2023-07-20T14:15:20Z) - Compositional 3D Human-Object Neural Animation [93.38239238988719]
人間と物体の相互作用(HOI)は、人間中心の視覚生成、AR/VR、ロボット工学などの人間中心のシーン理解アプリケーションに不可欠である。
本稿では,HoIアニメーションにおけるこの課題について,作曲の観点から考察する。
我々は、暗黙のニューラル表現に基づいてHOIダイナミクスをモデル化し、レンダリングするために、ニューラル・ヒューマン・オブジェクトの変形を採用する。
論文 参考訳（メタデータ） (2023-04-27T10:04:56Z) - HSPACE: Synthetic Parametric Humans Animated in Complex Environments [67.8628917474705]
我々は、複雑な屋内および屋外環境に置かれたアニメーション人間による大規模な写真リアルデータセット、Human-SPACEを構築した。
年齢、性別、比率、民族性の異なる数百の個人と数百の動きとシーンを組み合わせて、100万フレームを超える最初のデータセットを生成します。
アセットは大規模に自動生成され、既存のリアルタイムレンダリングやゲームエンジンと互換性がある。
論文 参考訳（メタデータ） (2021-12-23T22:27:55Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。