Generování animací neuronovými sítěmi
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Ačkoli je snímání pohybu už tak nástrojem, který má animátorům pomoci zjednodušit ty nejsložitější aspekty tvorby realistických animací, spousta námahy je stále ukrytá v anotování a strukturalizaci těchto dat. Tento problém řeším návrhem neuronové sítě, která může být natrénována na datovém souboru nasnímaného pohybu tak, aby reprodukovala lidský pohyb, který je vizualizován v aplikaci, které umožňuje uživateli tento pohyb ovládat. Také experimentuji s různými metodami trénování autoregresivního modelu, a na základě toho určuji, která metoda nejlépe vyvažuje dobu trénování a výkon. Dalším postřehem je, jak přidání ovládacích hodnot do vlastností generovaných snímků ovlivňuje použití rekurentních neuronových sítí pro tento úkol.
While motion capture serves as a mean for animators to circumvent some of the most arduous aspects of creating realistic animation, there is still a lot of work hiding in annotating and structuring the data. I solve this problem by designing a neural network which can be trained on a motion capture data file to reproduce human locomotion visualized in an application which allows for the user to control the character's direction. I also subject various methods of training an autoregressive model to experiments and find which method trades training times for performance the best. Additionally, I remark how the addition of certain control features to frame-by-frame generations impacts the use of recurrent neural networks for this task.
While motion capture serves as a mean for animators to circumvent some of the most arduous aspects of creating realistic animation, there is still a lot of work hiding in annotating and structuring the data. I solve this problem by designing a neural network which can be trained on a motion capture data file to reproduce human locomotion visualized in an application which allows for the user to control the character's direction. I also subject various methods of training an autoregressive model to experiments and find which method trades training times for performance the best. Additionally, I remark how the addition of certain control features to frame-by-frame generations impacts the use of recurrent neural networks for this task.
Description
Citation
DRÁBER, F. Generování animací neuronovými sítěmi [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Informační technologie
Comittee
doc. Ing. Martin Čadík, Ph.D. (předseda)
doc. Ing. Jiří Jaroš, Ph.D. (místopředseda)
Ing. David Bařina, Ph.D. (člen)
doc. Ing. Radek Burget, Ph.D. (člen)
doc. RNDr. Milan Češka, Ph.D. (člen)
Date of acceptance
2021-06-14
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Detailněji rozveďte, na jakých sekvencích jste naměřil hodnoty v tabulkách 7.2, 7.3 a 7.4. Co znamená "a prediction sequence of 2400 frames following a random seed from the ground truth, with the direction switched every 800 frames"? Pokud je to možné, interpretujte naměřené hodnoty v tabulkách 7.2 a 7.3.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení