Er is geen samenvatting, omdat dit een beveiligd bericht is.
Er is geen samenvatting, omdat dit een beveiligd bericht is.
In deze spotlight willen we jullie even een status-update geven over de use-case rond datagedreven animatie. We maakten een plan voor onze Optitrack setup opnieuw te doen, met het oog op een groter volume van de studio te kunnen gebruiken, en een betere kwaliteit animaties te genereren.
De auteurs introduceren 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.
In deze korte spotlight willen we een interessante talk onder jullie aandacht brengen die inspiratie kan bieden voor uw karakters net iets echter te doen lijken.
Deze innovatieve paper introduceert een end-to-end geautomatiseerde methode voor het produceren van animatie-rigs van input character models. Het deep-learning systeem genereert zowel de rig als de skin weights.
De techniek zet elke animatie op eender welke rig om in een set IK-ketens. Op deze IK ketens kan men dan context-bewuste aanpassingen toepassen. Ten slotte kan men dan dat resultaat overzetten naar eender welke andere rig, runtime of offline. De enige vereiste daar is dat deze van de zelfde categorie is; biped, quadruped, etc.
Deze paper beschrijft een nieuwe oplossing voor het automatisch opruimen van Motion Capture Data. In hun paper presenteren ze een methode die ongeldige maker-paden identificeert, de bijbehorende segmenten verwijdert, en nieuwe kinematisch correcte paden genereert.