基于深度学习神经网络的自动动画系统

使用DeepMotion(深度神经学习网络)基于AI的物理过程动画工具Neuron,可以轻松自动化您的3D角色。享受深度学习神经网络虚拟角色的所有功能以及用于运动智能的下一代工具;通过学习,虚拟狗,恐龙和人形机器人高级运动技能,观察他们对任何环境的行为和反应。使用深度强化学习,明确的物理学的参考数据,可以将帮助训练你的虚拟角色创作做后空翻,卡波耶拉舞蹈,玩滑板等。

我们可以看到这个角色会依照场景中的地形,障碍或者其他已经设定干扰因素做出自己行为判断,并将其付诸于自己的行为中,一套非常拟真的动作系统负责将这些行为反馈出来,从而达到非常智慧化的效果,这些行为的表达,则可以通过深度学习来获得,通过一些片段或者资料,就可以教会这些虚拟角色应该对场景做出何种反应。这将大大的加快动画的制作,将场景中大量重复的,需要实时运算的动作通过这套系统自动完成,并且达到可以与场景变化交互的效果。





DeepMotion Neuron是该公司用于培训数字角色运动技能的新型云应用程序,利用尖端的AI和物理模拟技术创建逼真的,响应迅速的演员,如新的SIGGRAPH论文所示。

加利福尼亚州红木城 – 2018年8月8日 – 运动智能领域的先驱DeepMotion今天宣布,DeepMotion Neuron是第一款完全程序化的物理角色动画工具,已经推出预售版。突破性的云应用程序使用先进的AI,物理和深度学习训练数字角色来开发物理智能。通过指导和实践,数字角色现在可以像人类一样实现自适应电机控制,允许动画师和开发人员创建比使用传统方法更加逼真和反应灵敏的动画。






DeepMotion Neuron是一个行为即服务平台,供开发人员上传和训练他们自己的3D角色 – 从在线图书馆提供的数百种互动动作中进行选择。通过在游戏和体验中添加响应式角色,Neuron将使内容创作者能够讲述更多令人身临其境的故事。此外,通过自动处理大部分技术动画,该服务将为艺术家腾出时间专注于富有表现力的细节而不是复杂的技术本身。

“DeepMotion Neuron旨在帮助开发人员通过使高真实的,交互式模拟和易于使用的流程来缩小现实与数字表示之间的差距,”DeepMotion首席执行官Kevin He表示。 “通过授予角色真实的动作智能,我们相信我们可以大大减少50年来困扰我们这些娱乐行业的’巨大鸿沟’。”






DeepMotion Neuron的核心技术建立在DeepMotion和卡内基梅隆大学科学家在SIGGRAPH 2018年发表的研究论文中揭示的最先进技术的基础上。本文将强化学习应用于越来越多的体育模拟领域,特别是篮球,现实世界的人体运动智能处于巅峰状态。经过培训和优化,研究人员的角色能够在实时模拟中执行交互式控球技巧。用于教授数字演员如何运球的相同技术可以应用于使用Neuron的任何物理运动。




SIGGRAPH 2018的DeepMotion
DeepMotion首席科学家刘立彬博士在2018年的会议上与同事和CMU教授Jessica Hodgins博士一起发表了他的第8篇SIGGRAPH论文。他们的论文“学习篮球运球技巧使用轨迹优化和深度强化学习”标志着角色控制系统的突破,可以在实时模拟过程中处理物体,同时进行上半身运动和下半身运动。在此处了解有关SIGGRAPH 2018的更多信息。

关于DeepMotion
DeepMotion是新兴运动智能领域的先驱。我们正在使用物理模拟和人工智能构建逼真图形的工具。我们的使命是通过革新实时的程序化动画来实现交互式内容并扩展创作能力。 DeepMotion的基于云的服务允许任何人训练数字演员响应动作技能,如跑酷,舞蹈,田径,武术等。在暴雪,皮克斯,迪士尼,ROBLOX,微软,育碧,斯坦福,CMU和清华的成员的带领下,我们利用该领域数十年的经验帮助个人和团队为AR,VR,游戏,电影创作更好的内容和虚拟角色机器人。

DeepMotion Neuron的云平台计划于2018年第四季度发布。

1回复基于深度学习神经网络的自动动画系统"

  1. sgdfh说道:

    这么生硬,目前还没法用

留下信息

电子邮件地址不会被公开。 必填项已用*标注

验证问题,请选择下图中的 B...