PACE：密集杂乱环境中数据驱动的虚拟智能体交互
计算机视觉与模式识别
2024-04-16 v1 图形学
摘要
我们提出 PACE，一种用于修改动作捕捉虚拟智能体以在密集、杂乱的 3D 场景中交互和移动的新方法。我们的方法根据需要改变虚拟智能体的给定运动序列，以适应环境中的障碍物和物体。我们首先提取运动序列中对建模与场景交互最为重要的单帧，并将其与相关场景几何、障碍物和语义配对，使得智能体运动中的交互与场景的可供性相匹配（例如，站在地板上或坐在椅子上）。然后，我们通过直接改变每帧运动中的高自由度（high-DOF）姿态来优化人体运动，以更好地考虑场景独特的几何约束。我们的公式使用新颖的损失函数以保持真实流畅且自然的外观运动。我们将我们的方法与先前的运动生成技术进行比较，并通过感知研究和物理合理性指标突出我们方法的优势。人类评分者偏好我们的方法甚于先前的方法。具体而言，相对于使用现有运动的state-of-the-art方法，他们在 57.1% 的情况下偏好我们的方法；相对于state-of-the-art运动合成方法，他们在 81.0% 的情况下偏好我们的方法。此外，我们的方法在既定的物理合理性和交互指标上表现显著更高。具体而言，我们在非碰撞指标上以超过 1.2% 的优势超越竞争方法，在接触指标上以超过 18% 的优势超越。我们已将交互系统集成到 Microsoft HoloLens 中，并展示了其在真实室内场景中的优势。我们的项目网站位于 https://gamma.umd.edu/pace/。
引用
@article{arxiv.2303.14255,
title = {PACE: Data-Driven Virtual Agent Interaction in Dense and Cluttered Environments},
author = {James Mullen and Dinesh Manocha},
journal= {arXiv preprint arXiv:2303.14255},
year = {2024}
}