都柏林三一学院和巴斯大学的研究人员最近开发了一种基于深度神经网络的模型，可以帮助提高包含四足动物(如狗)的动画质量。他们创建的框架在 2021 年 MIG(运动、交互和游戏)会议上进行了展示，在该会议上，研究人员展示了一些用于制作高质量动画和视频游戏的最新技术。

“我们对处理非人类数据很感兴趣，”进行这项研究的研究人员之一多纳尔·伊根 (Donal Egan) 告诉 TechXplore。“我们出于实用性的原因选择了狗，因为它们可能是最容易获得数据的动物。”

为狗和其他四足动物制作高质量的动画是一项具有挑战性的任务。这主要是因为这些动物以复杂的方式移动，并且具有具有特定脚步模式的独特步态。Egan 和他的同事想要创建一个框架来简化四足动物动画的创建，为动画视频和视频游戏制作更令人信服的内容。

“使用关键帧等传统方法创建再现四足运动的动画非常具有挑战性，”Egan 说。“这就是为什么我们认为开发一个可以自动增强初始粗糙动画的系统会很有用，消除用户手工制作高度逼真的动画的需要。”

Egan 和他的同事最近进行的研究建立在以前旨在使用深度学习来生成和预测人体运动的努力的基础上。为了通过四足动物的运动获得类似的结果，他们使用了大量代表真实狗运动的运动捕捉数据。这些数据被用来创建几个高质量和逼真的狗动画。

“对于这些动画中的每一个，我们都能够自动创建具有相同上下文但质量降低的相应'坏'动画，即包含错误并且缺乏真实狗运动的许多微妙细节，”Donal Egan，其中之一进行这项研究的研究人员告诉 TechXplore。“然后我们训练了一个神经网络来学习这些‘坏’动画和高质量动画之间的区别。”

在对质量好坏的动画进行训练后，研究人员的神经网络学会了增强狗的动画：提高它们的质量并使它们更逼真。该团队的想法是，在运行时最初的动画可能是使用多种方法创建的，包括关键帧技术，因此它们可能不太令人信服。

“我们表明，神经网络有可能学习如何添加微妙的细节，使四足动物动画看起来更逼真，”伊根说。“我们工作的实际意义是它可以被纳入的应用程序。例如，它可以用来加速动画管道。一些应用程序使用传统逆运动学等方法创建动画，这些方法可以产生缺乏真实感的动画;在这种情况下，我们的工作可以作为后处理步骤合并。

研究人员在一系列测试中评估了他们的深度学习算法，发现它可以显着提高现有狗动画的质量，而不会改变动画的语义或上下文。将来，他们的模型可用于加速和促进用于电影或视频游戏的动画的创建。在接下来的研究中，Egan 和他的同事计划继续探索以数字和图形方式再现狗的运动的方法。

“我们的团队对广泛的主题感兴趣，包括图形、动画、机器学习和虚拟现实中的化身，”Egan 说。“我们希望结合这些领域来开发一个系统，用于在虚拟现实中体现四足动物——让游戏玩家或演员在虚拟现实中变成一只狗。本文中讨论的工作可以成为这个系统的一部分，通过帮助我们制作VR 中逼真的四足动物动画。”