-
题名面向同胚异构骨骼运动重定向的高阶图卷积网络
- 1
-
-
作者
贾伟
李骏
李书杰
赵洋
闵海
-
机构
合肥工业大学计算机与信息学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2024年第12期3712-3726,共15页
-
基金
国家自然科学基金项目(62076086)。
-
文摘
目的 骨骼运动重定向是指将源角色的骨骼运动数据,修改后运用到另一个具有不同骨架结构的目标角色上,使得目标角色和源角色做出相同的动作。由于骨骼运动数据与骨架结构之间具有高耦合性,重定向算法需要从运动数据中分离出与骨架结构无关、只表示动作类型的特征。当源角色与目标角色骨架结构不同,且两者运动模式(如关节角变化范围)存在较大差异时,特征分离难度加大,重定向网络训练难度变大。针对该问题,提出了特征分离的方法和高阶骨骼卷积算子。方法 在数据处理阶段,首先从运动数据中分离出一部分与骨架结构无关的特征,从而降低重定向网络训练难度,得到更好的重定向结果。另外,结合图卷积网络,本文针对人体骨架结构提出了高阶骨骼卷积算子。使用该算子,本文网络模型可以捕获更多有关骨架结构的信息,提高重定向结果的精度和视觉效果。结果 在异构重定向任务中,本文方法在合成动画数据集Mixamo上与最新方法对比,重定向结果精度提升了38.6%。另外,本文方法也同样适用于同构重定向,结果精度比最新方法提升了74.8%。在从真人采集的运动数据到虚拟动画角色的异构重定向任务中,相比最新方法,本文方法能够明显减少重定向错误,重定向结果有更高的视觉质量。结论 相比较于目前最新的方法,本文方法降低了特征分离的难度且更加充分挖掘了骨架的结构信息,使得重定向结果误差更低且动作更自然合理。
-
关键词
深度学习
运动重定向
图卷积
自编码器
human3.6m运动数据
-
Keywords
deep learning
motion retargeting
graph convolutional network
autoencoder
human3.6m motion data
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
