PirouNet：以艺术家为中心的深度学习编舞方法
机器学习
2022-10-18 v2
摘要
利用人工智能（AI）有意图地创作舞蹈编舞仍处于早期阶段。有条件生成舞蹈序列的方法在遵循编舞者特定创作方向方面能力有限，往往依赖外部提示或监督学习。同样，完全标注的舞蹈数据集稀少且耗费人力。为填补这一空白并助力将深度学习打造为编舞者有意义工具，我们提出“PirouNet”——一种半监督条件循环变分自编码器及配套的舞蹈标注网页应用。PirouNet 允许舞蹈专业人士用其主观创作标签标注数据，并依据其美学标准生成新的编舞片段。得益于所提出的半监督方法，PirouNet 仅需数据集的一小部分被标注，通常约为 1%。我们展示了 PirouNet 基于“Laban 时间力效”（一种描述动作时间动态意图的成熟舞蹈概念）生成原创编舞的能力。我们通过一系列定性与定量指标广泛评估 PirouNet 的舞蹈创作，验证其作为编舞者工具的适用性。
引用
@article{arxiv.2207.12126,
title = {PirouNet: Creating Dance through Artist-Centric Deep Learning},
author = {Mathilde Papillon and Mariel Pettee and Nina Miolane},
journal= {arXiv preprint arXiv:2207.12126},
year = {2022}
}
备注
18 pages, 6 figures