论文部分内容阅读
随着金刚、蜘蛛侠等虚拟角色在动画和电影中大行其道,运动捕捉成为当今最炙手可热的动作生成技术。该技术能够获取真实人体运动数据,高效而逼真的将其再现于虚拟场景中,从而颠覆了传统的关键帧和仿真技术。然而,运动捕捉技术门槛较高,输出数据的高维复杂性也为其应用带来了巨大难题。本文使用非线性降维算法,在局部切空间中提取运动数据的关键特征,并将其映射到低维参数空间。根据低维特征曲线呈现出的周期性及变迁规律,将高维空间中的运动序列划分为基本动作单元,并构建运动图表。继而在低维曲线的指导下,通过时间变形、偏移映射等数据分析和插值方法,实现动作单元的平滑变速、拼接、融合、混合及移植等合成操作。与此同时,对运动图表的节点及变迁关系进行连接和扩充,构建基于图表的运动网络。该方法既避免了传统插值方法中的庞大计算量,也克服了单独使用降维算法所带来的运动失真现象。实验结果表明,该方法能精确分析运动捕捉数据,通过对有限的运动序列进行编辑与重用,生成丰富多变的新序列,实现运动合成的终极目标。