모바일 오유 바로가기
http://m.todayhumor.co.kr
분류 게시판
베스트
  • 베스트오브베스트
  • 베스트
  • 오늘의베스트
  • 유머
  • 유머자료
  • 유머글
  • 이야기
  • 자유
  • 고민
  • 연애
  • 결혼생활
  • 좋은글
  • 자랑
  • 공포
  • 멘붕
  • 사이다
  • 군대
  • 밀리터리
  • 미스터리
  • 술한잔
  • 오늘있잖아요
  • 투표인증
  • 새해
  • 이슈
  • 시사
  • 시사아카이브
  • 사회면
  • 사건사고
  • 생활
  • 패션
  • 패션착샷
  • 아동패션착샷
  • 뷰티
  • 인테리어
  • DIY
  • 요리
  • 커피&차
  • 육아
  • 법률
  • 동물
  • 지식
  • 취업정보
  • 식물
  • 다이어트
  • 의료
  • 영어
  • 맛집
  • 추천사이트
  • 해외직구
  • 취미
  • 사진
  • 사진강좌
  • 카메라
  • 만화
  • 애니메이션
  • 포니
  • 자전거
  • 자동차
  • 여행
  • 바이크
  • 민물낚시
  • 바다낚시
  • 장난감
  • 그림판
  • 학술
  • 경제
  • 역사
  • 예술
  • 과학
  • 철학
  • 심리학
  • 방송연예
  • 연예
  • 음악
  • 음악찾기
  • 악기
  • 음향기기
  • 영화
  • 다큐멘터리
  • 국내드라마
  • 해외드라마
  • 예능
  • 팟케스트
  • 방송프로그램
  • 무한도전
  • 더지니어스
  • 개그콘서트
  • 런닝맨
  • 나가수
  • 디지털
  • 컴퓨터
  • 프로그래머
  • IT
  • 안티바이러스
  • 애플
  • 안드로이드
  • 스마트폰
  • 윈도우폰
  • 심비안
  • 스포츠
  • 스포츠
  • 축구
  • 야구
  • 농구
  • 바둑
  • 야구팀
  • 삼성
  • 두산
  • NC
  • 넥센
  • 한화
  • SK
  • 기아
  • 롯데
  • LG
  • KT
  • 메이저리그
  • 일본프로야구리그
  • 게임1
  • 플래시게임
  • 게임토론방
  • 엑스박스
  • 플레이스테이션
  • 닌텐도
  • 모바일게임
  • 게임2
  • 던전앤파이터
  • 마비노기
  • 마비노기영웅전
  • 하스스톤
  • 히어로즈오브더스톰
  • gta5
  • 디아블로
  • 디아블로2
  • 피파온라인2
  • 피파온라인3
  • 워크래프트
  • 월드오브워크래프트
  • 밀리언아서
  • 월드오브탱크
  • 블레이드앤소울
  • 검은사막
  • 스타크래프트
  • 스타크래프트2
  • 베틀필드3
  • 마인크래프트
  • 데이즈
  • 문명
  • 서든어택
  • 테라
  • 아이온
  • 심시티5
  • 프리스타일풋볼
  • 스페셜포스
  • 사이퍼즈
  • 도타2
  • 메이플스토리1
  • 메이플스토리2
  • 오버워치
  • 오버워치그룹모집
  • 포켓몬고
  • 파이널판타지14
  • 배틀그라운드
  • 기타
  • 종교
  • 단어장
  • 자료창고
  • 운영
  • 공지사항
  • 오유운영
  • 게시판신청
  • 보류
  • 임시게시판
  • 메르스
  • 세월호
  • 원전사고
  • 2016리오올림픽
  • 2018평창올림픽
  • 코로나19
  • 게시판찾기
  • 오유인페이지
    개인차단 상태
    행복가속도님의
    개인페이지입니다
    가입 : 12-10-03
    방문 : 1518회
    닉네임변경 이력
    회원차단
    회원차단해제
    게시물ID : voca_9412
    작성자 : 행복가속도 (가입일자:2012-10-03 방문횟수:1518)
    추천 : 0
    조회수 : 2626
    IP : 210.126.***.207
    댓글 : 0개
    등록시간 : 2017/12/26 00:32:35
    http://todayhumor.com/?voca_9412 모바일
    꼬마사전 으로 논문 공부용
    A Deep Learning Framework for Character Motion Synthesis and Editing
    Daniel Holden∗
    University of Edinburgh
    Jun Saito†
    Marza Animation Planet
    Taku Komura‡
    University of Edinburgh
    Figure 1: Our framework allows the animator to synthesize character movements automatically from given trajectories.
    Abstract
    We present a framework to synthesize character movements based
    on high level parameters, such that the produced movements re-
    spect the manifold of human motion, trained on a large motion cap-
    ture dataset. The learned motion manifold, which is represented by
    the hidden units of a convolutional autoencoder, represents motion
    data in sparse components which can be combined to produce a
    wide range of complex movements. To map from high level param-
    eters to the motion manifold, we stack a deep feedforward neural
    network on top of the trained autoencoder. This network is trained
    to produce realistic motion sequences from parameters such as a
    curve over the terrain that the character should follow, or a target
    location for punching and kicking. The feedforward control net-
    work and the motion manifold are trained independently, allowing
    the user to easily switch between feedforward networks according
    to the desired interface, without re-training the motion manifold.
    Once motion is generated it can be edited by performing optimiza-
    tion in the space of the motion manifold. This allows for imposing
    kinematic constraints, or transforming the style of the motion, while
    ensuring the edited motion remains natural. As a result, the system
    can produce smooth, high quality motion sequences without any
    manual pre-processing of the training data.
    Keywords: deep learning, convolutional neural networks, autoen-
    coder, human motion, character animation, manifold learning
    Concepts: •Computing methodologies → Motion capture;
    1 Introduction
    Data-driven motion synthesis allows animators to produce con-
    vincing character movements from high level parameters. Such
    approaches greatly help animation production as animators only
    ∗email:[email protected]

    email:[email protected]

    email:[email protected]
    Publication rights licensed to ACM. ACM acknowledges that this contribu-
    tion was authored or co-authored by an employee, contractor or affiliate of
    a national government. As such, the Government retains a nonexclusive,
    royalty-free right to publish or reproduce this article, or to allow others to
    do so, for Government purposes only.
    SIGGRAPH ’16 Technical Paper, July 24 - 28, 2016, Anaheim, CA,
    ISBN: 978-1-4503-4279-7/16/07
    DOI: http://dx.doi.org/10.1145/2897824.2925975
    need to provide high level instructions rather than low level details
    through keyframes. Various techniques that make use of large mo-
    tion capture datasets and machine learning to parameterize motion
    have been proposed in computer animation.
    Most data-driven approaches currently available require a signifi-
    cant amount of manual data preprocessing, including motion seg-
    mentation, alignment, and labeling. A mistake at any stage can
    easily result in a failure of the final animation. Such preprocess-
    ing is therefore usually carefully performed through a significant
    amount of human intervention, making sure the output movements
    appear smooth and natural. This makes full automation difficult
    and so often these systems require dedicated technical developers
    to maintain.
    In this paper, we propose a model of animation synthesis and edit-
    ing based on a deep learning framework, which can automatically
    learn an embedding of motion data in a non-linear manifold using a
    large set of human motion data with no manual data preprocessing
    or human intervention. We train a convolutional autoencoder on a
    large motion database such that it can reproduce the motion data
    given as input, as well as synthesize novel motion via interpola-
    tion. This unsupervised non-linear manifold learning process does
    not require any motion segmentation or alignment which makes the
    process significantly easier than previous approaches. On top of
    this autoencoder we stack another feedforward neural network that
    maps high level parameters to low level human motion, as repre-
    sented by the hidden units of the autoencoder. With this, users can
    easily produce realistic human motion sequences from intuitive in-
    puts such as a curve over some terrain that the character should fol-
    low, or the trajectory of the end effectors for punching and kicking.
    As the feedforward control network and the motion manifold are
    trained independently, users can easily swap and re-train the feed-
    forward network according to the desired interface. Our approach
    is also inherently parallel, which makes it very fast to compute and
    a good fit for mainstream animation packages.
    We also propose techniques to edit the motion data in the space
    of the motion manifold. The hidden units of the convolutional au-
    toencoder represent the motion in a sparse and continuous fashion,
    such that adjusting the data in this space preserves the naturalness
    and smoothness of the motion, while still allowing complex move-
    ments of the body to be reproduced. One demonstrative example of
    this editing is to combine the style of one motion with the timing
    of another by minimizing the difference in the Gram matrices of
    the hidden units of the synthesized motion and that of the reference

    이 게시물을 추천한 분들의 목록입니다.
    푸르딩딩:추천수 3이상 댓글은 배경색이 바뀝니다.
    (단,비공감수가 추천수의 1/3 초과시 해당없음)

    죄송합니다. 댓글 작성은 회원만 가능합니다.

    번호 제 목 이름 날짜 조회 추천
    꼬마사전 으로 논문 공부용 행복가속도 17/12/26 00:32 26 0
    12
    리듬게임 초고수 [4] 펌글 행복가속도 17/12/25 10:16 899 11
    11
    학교에서 시험볼때 시간때문에 항상 끝까지 못풀었던사람? [2] 창작글 행복가속도 17/12/16 19:01 56 1
    10
    김연아의 으엙 [5] 펌글 행복가속도 17/12/12 18:07 414 11
    9
    2018 아시안게임 공식노래J Fla - Bright As The Sun [3] 행복가속도 17/12/12 16:01 46 5
    8
    자기야 앙~ 해봐 [1] 행복가속도 17/12/06 19:53 131 8
    7
    제가 본 개중의 최애개 [4] 펌글 행복가속도 17/12/04 20:36 164 13
    6
    똥글)여성전용 군 가산점 제도를 주장합니다 [6] 창작글 행복가속도 17/10/18 17:24 177 2
    5
    당신이 다음생에 태어날 나라 행복가속도 17/09/21 00:24 39 2
    4
    재미로 안티 페미 시위를 해보았다 (외국유튜브 펌) [8] 펌글 행복가속도 17/09/05 14:50 247 12
    3
    국방세+모병제 도입 7년후 소설 [3] 창작글 행복가속도 17/09/01 16:39 148 1
    2
    똥싼뒤 뒤처리 실태조사 어느손가락으로 닦나요? [3] 행복가속도 17/05/28 20:12 42 0
    1
    너무 좋은 음악인데 아시는분 있으면 알려주세요^^ 인생은한번 12/10/15 00:54 16 0
    [1]
    단축키 운영진에게 바란다(삭제요청/제안) 운영게 게시판신청 자료창고 보류 개인정보취급방침 청소년보호정책