Περίληψη
Η δημιουργία μιας νέας κίνησης για έναν χαρακτήρα είναι μια επίπονη διαδικασίαμε πολλά στάδια που συνήθως γίνεται από έναν ειδικό (animator). Η διαδικασίααυτή πολλές φορές απαιτεί την μετεπεξεργασία με ειδικά εργαλεία ώστε να διορ-θωθούν ατέλειες και προβλήματα.Στα γραφικά υπολογιστών, η συμπίεση της κίνησης χαρακτήρων είναι απαραί-τητη για την αποτελεσματική αποθήκευση, μετάδοση και αναπαραγωγή κινούμενωνπλεγματικών αντικειμένων. Στόχος είναι να συμπιεστεί μια κίνηση που δίνεται ωςμια ακολουθία με διαφορετικές τιμές των συντεταγμένων των κορυφών του πλέγ-ματος σε κάθε στιγμιότυπο. Η συμπίεση γίνεται χρησιμοποιώντας έναν αριθμό απόψευδο-κόκκαλα και βάρη επιρροής που συνδέουν τα ψευδο-κόκκαλα με τις κορυ-φές του πλέγματος. Προηγούμενες εργασίες είχαν παρουσιάσει αποτελεσματικέςτεχνικές συμπίεσης με τον προσδιορισμό μετασχηματισμών οστών και βαρών με τηχρήση ομαδοποίησης των κορυφών με βάση τα γεωμετρικά χαρακτηριστικά τους.Εδώ παρουσιάζεται μια νέα προσέγγιση που αναθέτει κορυφές σε οστ ...
Η δημιουργία μιας νέας κίνησης για έναν χαρακτήρα είναι μια επίπονη διαδικασίαμε πολλά στάδια που συνήθως γίνεται από έναν ειδικό (animator). Η διαδικασίααυτή πολλές φορές απαιτεί την μετεπεξεργασία με ειδικά εργαλεία ώστε να διορ-θωθούν ατέλειες και προβλήματα.Στα γραφικά υπολογιστών, η συμπίεση της κίνησης χαρακτήρων είναι απαραί-τητη για την αποτελεσματική αποθήκευση, μετάδοση και αναπαραγωγή κινούμενωνπλεγματικών αντικειμένων. Στόχος είναι να συμπιεστεί μια κίνηση που δίνεται ωςμια ακολουθία με διαφορετικές τιμές των συντεταγμένων των κορυφών του πλέγ-ματος σε κάθε στιγμιότυπο. Η συμπίεση γίνεται χρησιμοποιώντας έναν αριθμό απόψευδο-κόκκαλα και βάρη επιρροής που συνδέουν τα ψευδο-κόκκαλα με τις κορυ-φές του πλέγματος. Προηγούμενες εργασίες είχαν παρουσιάσει αποτελεσματικέςτεχνικές συμπίεσης με τον προσδιορισμό μετασχηματισμών οστών και βαρών με τηχρήση ομαδοποίησης των κορυφών με βάση τα γεωμετρικά χαρακτηριστικά τους.Εδώ παρουσιάζεται μια νέα προσέγγιση που αναθέτει κορυφές σε οστά και εξάγειβάρη επιρροής των κορυφών από τα οστά χρησιμοποιώντας βαθιά μάθηση. Η μά-θηση γίνεται με ένα σύνολο εκπαίδευσης που αποτελείται από παραδείγματα πουείναι ζεύγη της μορφής: τροχιά μίας κορυφής (είσοδος στο νευρωνικό δίκτυο), βάρηεπιρροής από το κάθε κόκκαλο προς την κορυφή (έξοδος του νευρωνικού δικτύου).Για ακόμη καλύτερα αποτελέσματα συμπίεσης παρουσιάζεται μια μέθοδος για συ-νεπή ονοματολογία (persistent labeling) των κοκκάλων χρησιμοποιώντας τεχνικέςβαθιάς μάθησης. Η τεχνική αυτή βελτιώνει το αποτέλεσμα της κίνησης και δίνει τη δυνατότητα για τον συνδυασμό (σύντηξη) δύο ή περισσότερων διαφορετικώνσχημάτων συμπίεσης που αναπαριστούν την ίδια ακολουθία κίνησης.Στη συνέχεια παρουσιάζονται μέθοδοι για τη βελτίωση συμπιεσμένων ακολου-θιών κίνησης για μη αρθρωτούς χαρακτήρες ή για χαρακτήρες με τμήματα υψηλήςπαραμόρφωσης. Η μέθοδος αυτή βελτιώνει το σφάλμα μιας συμπιεσμένης κίνησης,αναλύοντας την κατανομή των κορυφών που επιδεικνύουν μεγάλο σφάλμα. Οι κο-ρυφές αυτές ομαδοποιούνται χρησιμοποιώντας συσσωματική συσταδοποίηση σύμ-φωνα με τη γεωδαιτική τους απόσταση και μετά προσθέτονται νέα οστά επιρροήςγια τις κορυφές της κάθε συστάδας. Παρουσιάζεται μια τεχνική για τη ρύθμιση τωνβαρών επιρροής ώστε να μεγιστοποιηθεί η μείωση του σφάλματος.Εργαλεία που δίνουν τη δυνατότητα για τη μεταφορά κίνησης ενός χαρακτήρασε έναν άλλον ή τον συνδυασμό δύο κινήσεων με εύρωστο, αξιόπιστο και αποδοτικότρόπο είναι ιδιαίτερα χρήσιμα για τους επαγγελματίες των γραφικών. Στη διατριβήαυτή αναπτύχθηκε ένα εύχρηστο, αυτόνομο, διαδραστικό λογισμικό για μεταφοράκίνησης. Τέλος συζητούνται μέθοδοι για την ανάμειξη ή σύνθεση συμπιεσμένων σχη-μάτων κίνησης.
περισσότερα
Περίληψη σε άλλη γλώσσα
In computer graphics, animation compression is essential for efficient storage, streamingand reproduction of animated meshes. The goal is to compress an animation thatis given as a sequence of meshes with different vertex coordinates per frame. Compressionis often achieved by technique that introduces pseudo bones and weights thatdescribe the influence of each pseudo bone on the vertices. Previous work has presentedefficient techniques for compression by deriving skinning transformations andweights using clustering of vertices based on geometric features of vertices over time.In this work, we present a novel approach that assigns vertices to bone-influencedclusters and derives weights using deep learning through a training set that consistsof pairs of vertex trajectories (input to the neural network) and the correspondingweights (output of the neural network) drawn from fully rigged animated characters.For deriving even better results, a technique for automatically performing persisten ...
In computer graphics, animation compression is essential for efficient storage, streamingand reproduction of animated meshes. The goal is to compress an animation thatis given as a sequence of meshes with different vertex coordinates per frame. Compressionis often achieved by technique that introduces pseudo bones and weights thatdescribe the influence of each pseudo bone on the vertices. Previous work has presentedefficient techniques for compression by deriving skinning transformations andweights using clustering of vertices based on geometric features of vertices over time.In this work, we present a novel approach that assigns vertices to bone-influencedclusters and derives weights using deep learning through a training set that consistsof pairs of vertex trajectories (input to the neural network) and the correspondingweights (output of the neural network) drawn from fully rigged animated characters.For deriving even better results, a technique for automatically performing persistentlabeling of the bones is presented, based on deep learning. This technique reduces theapproximation error and facilitates the fusion of two or more compression schemesthat represent the same animation sequence.Additionally, we present a method for improving the approximation error offeredby a compression scheme for semi-articulated characters or for characters with highlydeformable parts. This method analyzes the distribution of high error vertices. Suchvertices are subsequently grouped in clusters using agglomerative clustering by theirgeodesic distance. New bones are then introduced for each cluster. The influence ofthe new bones on the vertices is then adjusted so that the overall approximation error is reduced while the maximum number of weights per vertex remains the same.Tools for animation transfer of one source mesh to a new destination mesh or forcombining the animation of two different characters are very useful for animators. Inthis thesis we present an easy-to-use stand alone, efficient, interactive tool for animationtransfer. Finally, we discuss approaches for blending or synthesis of compressedanimation schemes.
περισσότερα