In deze korte spotlight willen we een interessante paper onder jullie aandacht brengen.
Deze paper is de nieuwste rond het gebruik van Phase-Functioned Neural Networks voor datagedreven animaties.
Deze volgende iteratie stelt een nieuw kader voor om snel en dynamisch karakter interacties die meerdere contacten tussen het lichaam en een object, een ander karakter en de omgeving, van een rijke, ongestructureerde Motion Capture database te leren.
Om dit te bereiken introduceren de auteurs het concept van "Local Motion Phases"; deze helpen de neurale netwerken om asynchrone bewegingen van elk bot en zijn interactie te leren kennen met externe objecten zoals een bal of een omgeving.
Ze stellen verder ook een nieuw generatief schema voor om een grote variatie aan bewegingen te reproduceren van abstracte besturingssignalen gegeven door een gamepad, die nuttig kunnen zijn voor het veranderen van de stijl van de beweging in dezelfde context.
Je vindt een video met wat uitleg hieronder, en vindt hun paper hier terug. Hun code zal later ook online verschijnen, de videos, papers en code voor alle voorgaande papers rond PFNNs vindt u hier terug, waaronder ondertussen ook de code voor hun vorige paper "Neural State Machine for Character-Scene Interactions".