人体运动生成中的深度学习模型综述

摘要：

人体运动捕捉中复杂的时空结构信息使其在数据驱动角色动画、序列拼接和风格融合等运动生成研究领域极具挑战性. 聚焦于深度学习在计算机图形学中所获得的巨大成功, 首先从模型结构和理论优化2个方面对运动捕捉数据中人体骨骼动画生成所使用的4类生成式深度学习模型(受限玻尔兹曼机、循环神经网络、卷积神经网络、深度强化学习)及其混合学习方法进行全面概括和总结; 接着探讨这些典型深度学习模型对人体骨骼运动数据时空特征提取的能力, 并量化对比其在不同生成任务中的实验效果; 最后深入分析各种深度模型的优势及亟待解决的难题,并对新型深度学习模型在运动生成中的发展趋势进行了展望.

关键词：运动生成、深度学习、时空特征、角色动画

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61673185,61572205;福建省自然科学基金2017J01112;华侨大学科研创新能力培养资助项目1511414012

在线出版日期：2018-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1166-1176