Metod dubokog učenja za automatsko poboljšanje animacija pasa

Istraživači sa Triniti koledža u Dablinu i Univerziteta u Batu nedavno su razvili model zasnovan na dubokim neuronskim mrežama koji bi mogao pomoći da se poboljša kvalitet animacija koje sadrže četvoronožne životinje, kao što su psi. Okvir koji su kreirali predstavljen je na konferenciji MIG (Motion, Interaction & Games) 2021, događaju na kojem istraživači predstavljaju neke od najnovijih tehnologija za proizvodnju visokokvalitetnih animacija i video igara. „Bili smo zainteresovani za rad sa podacima koji se ne odnose na ljude“, rekao je Donal Egan, jedan od istraživača koji su sproveli studiju, za TechXsplore. „Odabrali smo pse iz praktičnih razloga, jer su oni verovatno životinje za koje je najlakše dobiti podatke.“

Slika 1: Plava: kadrovi iz početne animacije kojima nedostaju suptilnosti pravih pokreta pasa i sadrže male greške. Zelena: odgovarajući kadrovi iz skupa podataka za snimanje kretanja pasa na tlu. Crvena: Izlaz nakon prolaska početne (plave) animacije kroz našu neuronsku mrežu za poboljšanje animacije za četvoronošce. Autorska prava: DOI: 10.1145/3487983.3488293

Pravljenje kvalitetnih animacija pasa i drugih četvoronožnih životinja je izazovan zadatak. To je uglavnom zato što se ove životinje kreću na složene načine i imaju jedinstven hod sa specifičnim obrascima pokreta. Egan i njegove kolege su želeli da stvore okvir koji bi mogao da pojednostavi kreiranje animacija četvoronožaca, proizvodeći ubedljiviji sadržaj kako za animirani video tako i za video igre. „Kreiranje animacija koje reprodukuju četvoronožni pokret koristeći tradicionalne metode kao što je kadriranje ključem, prilično je izazovno“, rekao je Egan. „Zato smo mislili da bi bilo korisno razviti sistem koji bi mogao automatski da poboljša početnu grubu animaciju, uklanjajući potrebu da korisnik ručno izradi do kraja realističnu animaciju.”

Nedavna studija koju su sproveli Egan i njegove kolege nadovezuje se na prethodne napore usmerene na korišćenje dubokog učenja za generisanje i predviđanje ljudskih pokreta. Da bi postigli slične rezultate sa četvoronožnim pokretima, koristili su veliki skup podataka od snimanje pokreta koji predstavljaju pokrete pravog psa. Ovi podaci su korišćeni za kreiranje nekoliko kvalitetnih i realističnih animacija pasa. „Za svaku od ovih animacija, mogli smo automatski da kreiramo odgovarajuću ‘lošu’ animaciju sa istim kontekstom, ali smanjenog kvaliteta, tj. koja sadrži greške i nema mnogo suptilnih detalja pravog kretanja psa,“ Donal Egan, jedan od istraživača koji su sproveli studiju, rekao je za TechXsplore. „Potom smo obučili neuronsku mrežu da nauči razliku između ovih ‘loših’ animacija i visokokvalitetnih animacija.“

Nakon što je obučena na animacijama dobrog i lošeg kvaliteta, neuronska mreža istraživača je naučila da poboljša animacije pasa: poboljšavajući njihov kvalitet i čineći ih realističnijim. Ideja tima je bila da su u vreme izvršavanja, početne animacije moždai kreirane korišćenjem različitih metoda, uključujući tehnike uokvirivanja ključeva, tako da možda nisu bile baš ubedljive. „Pokazali smo da je moguće da neuronska mreža nauči kako da dodaje suptilne detalje koji čine da četvoronožna animacija izgleda realističnije“, rekao je Egan. „Praktične posledice našeg rada su aplikacije u koje se on može ugraditi. Na primer, može se koristiti za ubrzavanje animacije. Neke aplikacije kreiraju animacije koristeći metode kao što je tradicionalna inverzna kinematika, koja može da proizvede animacije kojima nedostaje realizam ; naš rad bi mogao u takvim situacijama da se uključi kao korak naknadne obrade.”

Istraživači su procenili svoj algoritam dubokog učenja u nizu testova i otkrili da bi mogao značajno da poboljša kvalitet postojećih animacija pasa, bez promene semantike ili konteksta animacije. U budućnosti bi se njihov model mogao koristiti za ubrzavanje i olakšavanje kreiranja animacija za upotrebu u filmovima ili video igrama. Egan i njegove kolege planiraju da u svojim sledećim studijama nastave da istražuju načine na koje bi pokreti pasa mogli digitalno i grafički da se reprodukuju. „Naša grupa je zainteresovana za širok spektar tema, uključujući grafiku, animaciju, mašinsko učenje i otelovljavanje avatara u virtuelnoj stvarnosti“, rekao je Egan. „Želimo da kombinujemo ove oblasti kako bismo razvili sistem za otelotvorenje četvoronožca u virtuelnoj stvarnosti – što će omogućiti igračima ili glumcima da postanu psi u virtuelnoj stvarnosti. Rad o kome se govori u ovom članku mogao bi da bude deo tog sistema, tako što će nam pomoći da proizvedemo realistične četvoronožne animacije u VR-u.“

Izvor: TechXplore

6559-metod-dubokog-ucenja-za-automatsko-poboljsanje-animacija-pasa