在三维动画制作中，手部动作捕捉是一部动画的关键，它决定了你的动画的流畅性和自然性质，而应为手部动作的复杂而约束了许多表现性，完全让角色的动作变得不那么顺畅，而在18年SIGGRAPH会议上，一个叫做使用深度增强学习的流体导向刚体控制用于手部互动的超快跟踪的动作捕捉软件改编了这个现状。本次来自微工匠的小编就为你讲解新疆三维流体制作的黑科技深度增强学习的流体导向刚体控制用于手部互动的超快跟踪的动作捕的详细介绍。
    这个软件是由Shan Yang, Tanya Ambert, Zherong Pan, Ke Wang, Licheng Yu, Tamara L. Berg, Ming C. Lin,等人制作的，他们通过将生成的手部模型与深度数据相匹配的混合方法，利用暂时区别性预测的起始姿势，这个系统极大地提高了关节式手部追踪技术的水平。它将生成模型被用来定义一个能量函数，并且从这些起始姿势开始进行局部迭代优化，以便找到一个好的局部最小值（即接近真实姿态的局部最小值）。快速执行此优化是探索更多起始姿势，执行更多迭代以及关键性地利用高帧速率以确保时间预测起始姿势处于良好局部最小值收敛盆地的关键。与此同时，一个详细而准确的生成模型往往会加深当地的最小值并扩大它们的收敛盆地。由于工作会很大程度上把握详细的手模型与促进这种快速优化的模型进行权衡。于是他们提出了一种新的手形几何模型，主要避免了这种折衷，并利用它来构建超快速混合手部跟踪系统。具体而言，他们构造一个铰接的有符号距离函数，对于任何姿态，产生一个到详细曲面几何体的距离和执行基于梯度的优化的必要导数的封闭形式计算。没有必要引入或更新任何明确的对应关系，产生一个简单的算法，可以很好地映射到GPU等并行硬件。因此，我们的系统可以以极高的帧率运行（例如高达1000fps）。此外，他们演示如何检测，分割和优化两个互动的手，以极高的帧率恢复复杂的相互作用。在没有足够高帧速率的公开可用数据集的情况下，他们利用多视图捕获系统创建一个新的180fps数据集，其中一手和两手一起或与对象交互。
    以上就是关于三维动画制作的黑科技深度增强学习的流体导向刚体控制用于手部互动的超快跟踪的动作捕的详细介绍了，来自微工匠动画的小编感谢你的观看。