http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
박수환(Soohwan Park),이제희(Jehee Lee) 한국컴퓨터그래픽스학회 2021 한국컴퓨터그래픽스학회 학술대회 Vol.2021 No.7
본 연구는 다양한 종류의 피격에 대해 자연스럽게 반응할 수 있는 가상의 캐릭터를 생성하는 것을 목표로 한다. 피격 반응은 외부와의 상호작용으로 인해 발생하는 동작으로 다양한 조건(세기, 방향, 부위, 캐릭터의 자세)에 영향을 받는다. 물리적 상호작용에 큰 영향을 받는 동작이기 때문에 물리적으로 부자연스러운 동작이 생성 경우 그 결과가 매우 어색해 보이게 된다. 우리는 물리 시뮬레이션과 모션 매칭을 기반으로 하여 피격 조건에 맞는 자연스러운 반응 동작을 생성 할 수 있는 시스템을 제안한다. 또한, 위의 시스템을 mixture of experts기반 네트워크에 학습시킴으로써 런타임에 실시간으로 피격 반응 동작을 생성 할 수 있도록 한다. 우리는 이 시스템이 다양한 종류의 피격 상황에서 적절히 동작하는 여러 예제를 보일 것이다.
박수환(Soohwan Park),이제희(Jehee Lee) 한국컴퓨터그래픽스학회 2021 컴퓨터그래픽스학회논문지 Vol.27 No.5
최근 컴퓨터 애니메이션 분야에서는 기존의 유한상태기계나 그래프 기반의 방식들에서 벗어나 딥러닝을 이용한 동작 생성방식이 많이 연구되고 있다. 동작 학습에 요구되는 네트워크의 표현력은 학습해야 하는 동작의 단순한 길이보다는 그 안에 포함된 동작의 다양성에 더 큰 영향을 받는다. 본 연구는 이처럼 학습해야 하는 동작의 종류가 다양한 경우에 효율적인 네트워크 구조를 찾는것을 목표로 한다. 기본적인 fully-connected 구조, 여러개의 fully-connected 레이어를 병렬적으로 사용하는 mixture of experts구조, seq2seq처리에 널리 사용되는 순환신경망(RNN), 그리고 최근 시퀀스 형태의 데이터 처리를 위해 자연어 처리 분야에서 사용되고 있는 transformer구조의 네트워크들을 각각 학습하고 비교한다. Recently, in the field of computer animation, a method for generating motion using deep learning has been studied away from conventional finite-state machines or graph-based methods. The expressiveness of the network required for learning motions is more influenced by the diversity of motion contained in it than by the simple length of motion to be learned. This study aims to find an efficient network structure when the types of motions to be learned are diverse. In this paper, we train and compare three types of networks: basic fully-connected structure, mixture of experts structure that uses multiple fully-connected layers in parallel, recurrent neural network which is widely used to deal with seq2seq, and transformer structure used for sequence-type data processing in the natural language processing field.