Link zum YouTube-Inhalt
Ein Mitarbeiter von Ubisoft Montreal forscht seit einiger Zeit zusammen mit einigen Kollegen an einer neuen Technologie für Charakter-Animationen und konnte zuletzt auf der Grafik- und Software-Technologie-Messe ACM SIGGRAPH '17 erste überzeugende Ergebnisse präsentieren.
Maßgeblich in die Forschungen involviert ist der Ubisoft-Angestellte Daniel Holden. Eigenen Angaben zufolge arbeitet er seit geraumer Zeit an maschinellem Lernen bei Charakter-Animationen und anderen Anwendungen. Ebenfalls an den neuartigen Charakter-Animationen mitgearbeitet haben der Informatik-Dozent Taku Komura von der University of Edinburgh und der Senior Research Engineer Jun Saito vom Visual-Effects-Unternehmen Method Studios.
Lernfähiges Grundgerüst
Der neue Ansatz mit dem sperrigen Namen »Phase-Functioned Neural Networks for Character Control« basiert im Grunde auf einem lernfähigen Grundgerüst, das ein zyklisches Verhalten wie die menschliche Fortbewegung als natürliche Animation darstellen kann. Darauf aufbauend haben Holden und seine Kollegen Input- und Output-Parameter entworfen, die eine in Echtzeit stattfindende und datengetriebene Charaktersteuerung in komplexen Umgebungen und mit detaillierten Nutzerinteraktionen ermöglicht.
Trotz dieser eher kompakten Struktur kann das gesamte Netzwerk den Forschern zufolge aufgrund seiner Phasenfunktion mit der Zeit aus einem riesigen Datensatz lernen. Zudem werden beständig neue Daten für das weitere Training generiert. Im Vordergrund steht das Zusammenspiel menschlicher Bewegungen mit dem jeweiligen Terrain.
Reaktionsschnell und performant
Einmal fertig trainiert, soll das PFNN äußerst reaktionsschnell sein, trotz der Gigabyte-schweren Datensätze nur wenig Speicher verbrauchen und qualitativ hochwertige Bewegungsanimationen darstellen können, ohne dabei die gängigen Artefakte aktueller Methoden zu reproduzieren.
Wem das alles zu technisch und abstrakt klingt, findet im entsprechenden YouTube-Video der Konferenz-Präsentation einige anschauliche Beispiele der neuen Technologie - einige davon im direkten Vergleich zu bisherigen Methoden.
Auch interessant:Grafischer Durchbruch bei Gesichts-Animationen
Nur angemeldete Benutzer können kommentieren und bewerten.
Dein Kommentar wurde nicht gespeichert. Dies kann folgende Ursachen haben:
1. Der Kommentar ist länger als 4000 Zeichen.
2. Du hast versucht, einen Kommentar innerhalb der 10-Sekunden-Schreibsperre zu senden.
3. Dein Kommentar wurde als Spam identifiziert. Bitte beachte unsere Richtlinien zum Erstellen von Kommentaren.
4. Du verfügst nicht über die nötigen Schreibrechte bzw. wurdest gebannt.
Bei Fragen oder Problemen nutze bitte das Kontakt-Formular.
Nur angemeldete Benutzer können kommentieren und bewerten.
Nur angemeldete Plus-Mitglieder können Plus-Inhalte kommentieren und bewerten.