2016 Fiscal Year Research-status Report
データ駆動型手法による物理法則ＣＧアニメーションの高精細化
| Project/Area Number |
16K00169
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
金井 崇 東京大学, 大学院情報学環・学際情報学府, 准教授 (60312261)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | コンピュータグラフィックス / 物理法則アニメーション / データ駆動型手法 / 機械学習 / アンサンブル学習 / 液体シミュレーション / 髪シミュレーション / 二次モーショングラフ |
|---|
| Outline of Annual Research Achievements |
まずは，FLIP 法に基づく液体シミュレーションの品質精度向上を目的とした高精細化手法の開発，および，機械学習手法の検討を行った．高精細化手法として，まずは FLIP 法における速度場に基づくデータベースの構築を前処理で行う．次に未知の速度場データに対し，データベースのマッチングを行った後，高解像度データへ変換する処理をランタイムで行う，という２ステップの手法を試行した．機械学習の技法については，アンサンブル学習の考え方にを模倣して，複数データベースによる処理の統合という手法を検討することで全体の精度の向上を図った．この結果，データベースの作成方法によって結果に大きな違いが認められた．特に，データの複雑性（エントロピー）の評価に基づきデータベースを選択する手法が最も効果的であるということが実験よりわかった．
また，髪のシミュレーションにおけるデータ駆動型手法に基づく高精細なアニメーション生成法について開発を行った．ここでは特に，ゲームのようなインタラクティブなアプリケーションでの利用を想定する．ゲームキャラクタに特有の動きの特徴を考えると，ある程度の決まった動き（歩く，左右に曲がる，ジャンプ，など）を操作することが多い．よって，実際に現れる動きはある程度予測できるものとなる．そこで本研究では，二次モーショングラフにもとづく，髪の特性を考慮した新しいデータベース構築アルゴリズムについて提案した．さらに，二つの髪の動作の類似度を判定するための新たな評価関数をも提案した．提案するアルゴリズムと評価関数により，グラフの構築においてデータの冗長性を削減できた．また，次の動きを考慮することで，二つのアニメーションクリップを視覚的に滑らかに接続することができた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
設定した二つのテーマについて，ともに一定の進展が得られた．特に髪のシミュレーションにおいて，詳細な髪の動きが非常に高速に得られることを示すことができたのが最も大きな進展であると考えている．
引き続き，様々な物理法則アニメーションにおいてデータ駆動型手法が有効であることを検討する予定である．
|
| Strategy for Future Research Activity |
引き続き，データ駆動型手法を利用した物理法則アニメーションの高速化，高品質化について取り組む予定である．
まず，弾性体シミュレーションにおける問題について取り組む．弾性体のシミュレーションには 有限要素法（FEM）が広く用いられるが，計算負荷が高くリアルタイムでの処理は難しい．そこで，副空間法と呼ばれる方法を用いて，オリジナルの高次元の系を低次元空間に投影することで，効率良く計算することができる．しかしながら，この方法では低次元空間における物体の表現力の低下が問題となっている．すなわち，衝突が行ったときの形状変化は，副空間法においてはサポートされず，その結果うまく表現できない．
そこで，ここではデータ駆動型手法を用いてこの問題を解決する方法について検討する．形状のあらゆる個所で衝突が起こったときの様子をフルシミュレーションで計算し，それらの副空間をデータベースに保存する．ランタイム処理では，衝突が起こった箇所を検知し，その場所に近い衝突の副空間をデータベースから取得して利用する．そのようにすることで，これより衝突が起こった場合でも副空間法による高速なシミュレーションが計算できることが期待できる．
さらに，副空間法に加えて，立体求積法 (cubature) という手法を用いると，物体の内力の計算をより高速に扱えることが知られている．ここでは，提案する手法に立体求積法を組み込む場合の問題点について理解するとともに，その解決方法についても検討する．
また，今後の研究を見据えて，物体の破壊シミュレーションにおける破断面生成の高速化についても検討する．複雑な破断面を求める計算は非常に高価であることが知られており，この破断面の計算の一部を機械学習の技法を使って置き換えることで，高速化できないどうかを検討する．
|
| Causes of Carryover |
PCを購入予定であったが，今年度の研究についてはすでに所有するPCで十分遂行可能であることがわかり，次年度に持ち越すこととしたため．
|
| Expenditure Plan for Carryover Budget |
次年度の本来の使用額と合わせて，より高スペックのPCを購入する予定である．
|
