Local Motion Phases for Learning Multi-Contact Character Movements - バスケットボール等の複雑な動きもOK！ディープラーニングを活用したモーション合成フレームワーク！SIGGRAPH 2020

エジンバラ大学とElectronic Artsの共同研究の「Local Motion Phases for Learning Multi-Contact Character Movements（マルチコンタクトキャラクターの動きを学習するためのローカルモーションフェーズ）」SIGGRAPH 2020 向け技術論文

SIGGRAPH 2020
マルチコンタクトキャラクターの動きを学習するためのローカルモーションフェーズ

キャラクターを制御して、ダイナミックで、ペースの速い、変化の速いさまざまな動きを実行することは、キャラクターアニメーションの重要な課題です。 この研究では、非構造化モーションデータと手動のラベル付けなしの両方で、このようなアニメーションをインタラクティブに高品質で合成するためのディープラーニングフレームワークを紹介します。 ローカルモーションフェーズの概念を紹介し、バスケットボールのプレー、シュート、キャッチング、回避、複数の移動モード、さまざまなキャラクターとオブジェクトの相互作用におけるボールのドリブルやプロの操作など、さまざまなモーションスキルを生み出すシステムを示します。 すべてが統一されたフレームワークの下で生成されます。

この研究は、エジンバラ大学とElectronic Artsの共同研究で行われました。

気持ちよく動きすぎる…恐ろしい（良い意味で
ここまで自然な感じな感じだと、ゲーム以外の映像作品などでも活用出来そうですね。

こういう技術がツール・エンジン上で誰でも簡単に扱える時代が早く来てほしいなぁ…。というか、このデモ映像はUnityで動いているみたいだし…
そう遠くないのか。

ちなみにこの技術は、毎年話題になる「AI4Animation」プロジェクトです。

AI4Animation
このプロジェクトでは、博士課程の一環として、キャラクターアニメーションとコントロールのディープラーニングの機会を探ります。小村卓監修、エジンバラ大学情報学部研究。過去数年にわたって、このプロジェクトは、Unity3D / Tensorflow / PyTorchで開発された、データ処理、ネットワークトレーニング、ランタイム制御を含む、データ駆動型キャラクターアニメーションのモジュール式で安定したフレームワークになりました。このリポジトリでは、ニューラルネットワークを使用して、二足歩行、四足歩行、およびオブジェクトと環境、またはスポーツゲームとのキャラクターシーンの相互作用をアニメーション化できます。この研究のさらなる進歩は、このプロジェクトに引き続き追加されます。

過去記事もチェックしてみてください。

リンク

sebastianstarke/AI4Animation: Bringing Characters to Life with Computer Brains in Unity