NVIDIA 提出免動作捕捉 用影片深度學習即可快速建立自然肢體動作 3D 人物模型的方法

2021.09.27 07:07PM

在分析過程中,系統會判斷影片中的人物動作表現,並且透過關鍵支點逆向建立肢體骨幹,同時配合修正合乎正常肢體動作範圍、角度,讓最終訓練結果更符合自然人體動作表現,之後即可在訓練結果直接套用各類3D人物模型,甚至可以在短時間建立大量3D人物模型動作表現。

有利帶動遊戲、3D動畫等內容製作效率

相較過往需透過專業設備進行人體動作擷取相關數據,才能順利建立3D人物模型的情況,NVIDIA研究人員提出透過影像識別方式,直接透過影片內容分析進行資料訓練,一樣以此建立可呈現自然動作、姿態的3D人物模型。

雖然建立3D人物模型已經不算困難,但要讓3D人物模型呈現自然肢體動作才是更大挑戰,因此過往作法通常是配合專業設備擷取人體動作數據,讓3D人物模型能透過這些數據呈現自然的肢體動作,同時也能省去大量透過人力調整的麻煩。

不過,利用專業設備擷取人體動作依然需要花費大量成本,因此對於許多內容創作者而言,顯然還是很大挑戰。

而在NVIDIA研究人員提出方法中,則是運用影像識別技術分析影片中的人物動作,並且透過深度學習讓系統「了解」真實人體動作表現,進而讓3D人物模型可以透過學習結果呈現自然肢體動作,尤其在做出行走動作時,即可讓3D人物呈現肢體隨著走動自然協調擺動情況,而不會出現走路動作僵硬、不自然問題。

在分析過程中,系統會判斷影片中的人物動作表現,並且透過關鍵支點逆向建立肢體骨幹,同時配合修正合乎正常肢體動作範圍、角度,讓最終訓練結果更符合自然人體動作表現,之後即可在訓練結果直接套用各類3D人物模型,甚至可以在短時間建立大量3D人物模型動作表現。

對比傳統透過專業設備擷取真實人體動作的方法,雖然在實際精準度仍會有些落差,甚至可能還是會有誤判情況,但已經能符合絕大多數的應用需求,對於遊戲、3D動畫等內容應用都能帶動更快製作效率。

0 則回應