面向三维角色次级运动的深度模拟器
计算机视觉与模式识别
2021-04-13 v4 图形学
摘要
在计算机游戏等多种应用中，快速且轻量的三维角色动画方法备受青睐。我们提出一种基于学习的方法，通过生动的二级运动效果增强基于蒙皮的三维角色动画。我们设计了一个神经网络，对角色模拟网格的每个局部面片进行编码，其中边隐式编码相邻顶点间的内部力。该网络模拟角色动力学的常微分方程，根据当前加速度、速度与位置预测新的顶点位置。作为一种局部方法，我们的网络独立于网格拓扑，并在测试时泛化到任意形状的三维角色网格。我们进一步表示逐顶点约束与材料属性（如刚度），从而能够轻松调整网格不同部分的动力学。我们在多种角色网格与复杂运动序列上评估了该方法。我们的方法比基于物理的地面真实模拟效率高逾 30 倍，且优于提供快速近似的替代方案。
引用
@article{arxiv.2103.01261,
title = {A Deep Emulator for Secondary Motion of 3D Characters},
author = {Mianlun Zheng and Yi Zhou and Duygu Ceylan and Jernej Barbič},
journal= {arXiv preprint arXiv:2103.01261},
year = {2021}
}
备注
Accepted at CVPR 2021, oral presentation