2019 Fiscal Year Research-status Report
データ駆動型物理法則ＣＧアニメーションの発展と深化
| Project/Area Number |
19K11990
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
金井 崇 東京大学, 大学院総合文化研究科, 准教授 (60312261)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 脆性破壊アニメーション / 条件付きGAN / 物理エンジン / 力条件マップ / 破壊分割パターンマップ / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本年度は，剛体の脆性破壊アニメーションにおいて，衝突状況を平面形状の物体の衝突に限定し，条件付きGAN(Conditional Generative Adversarial Network)を用いた機械学習手法を提案し，物理エンジンと組み合わせてソフトウエア開発を行った．
本手法において，事前計算段階では，入力の力条件マップ画像と出力の破壊分割パターンマップ画像の2次元学習データベースセットで学習された条件付きGANのジェネレータを構築する．境界要素法(BEM)ベースの破壊シミュレーションを実行した後，3次元モデルの結果を2次元の破壊セグメンテーションパターン画像に変換する．条件付きGANの学習後，GANの生成器をランタイムフェーズに渡す．ランタイムフェーズでは，物理エンジンから変換された入力力条件マップ画像を取得して生成器に渡し，条件付きGANで学習した同様の入力条件に対応した破壊分割パターン画像の予測値を出力する．その後，この破壊分割パターン画像から３次元破壊形状を再構築する．学習に用いたデータセットは，BEMベースの破壊シミュレーション手法によって生成した．
得られる破壊形状について，予測結果は物理シミュレーションによる結果と完全には似ていないが，いくつかの特徴がよく表れていることがわかった．このことから，予測結果は，物理シミュレーションによる結果と比較しても許容できる代替結果であることを実証した．
計算時間は，1回の破壊シミュレーションに 8.9時間程度かかるのに対し，本手法では条件付きGANが平均0.077秒，画像から3Dモデルへの再構成に15.32秒程度であった．再構成にかかる時間は，今のところリアルタイム破壊アニメーションに使用するのは難しいが， GPUの活用によりこの処理はさらに高速化することが期待される．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
設定したテーマについて一定の進展が得られたものと考えている．特に本年度は，脆性破壊シミュレーションのトピックにおいて，リアルタイムアニメーションまでは実現できなかったものの，また，対象とする破壊形状が限定的ではあったものの，本研究の主要テーマである，データ駆動型物理法則 CG アニメーションの枠組みの中で，深層学習によるデータ駆動法の適用が有効であることを示すことができたことが，最も大きな進展であると考えている．
|
| Strategy for Future Research Activity |
本年度は，当初設定した研究トピックの一つである髪のアニメーションに対し，リアルタイムアニメーションの観点から，深層学習をどのようにして利用することができるかを検討した上で，適切な手法を開発し評価する．当初は，少数の代表的な髪の毛であるガイドヘアを利用し，詳細な髪の毛を，近くにあるガイドヘアの毛から動きを補間して増加することで，より詳細な髪の動きを求めることに対して，データ駆動型手法を適用することを考えていた．しかし，事前の試行結果により，ガイドヘアからの補間では細かな髪の毛の独立した動きを求めることは難しく，どうしても動きが均一化されてしまう問題があることがわかった．
そこで別の方法として，画像データの置き換えにより，少数の髪の毛から詳細な髪の毛を生成することを検討する．この方法の良いところは，既存の深層学習手法による画像処理技術が使えることである．しかし，学習に必要なデータの生成手法や，生成された詳細な髪の毛と頭部との合成方法など，解決すべき課題は多く，今後検討していく．
また，データ駆動型物理法則 CG アニメーションに関し，他の研究トピックの深層学習の利用についても検討する．ここでは，高品質なスキニングを施したキャラクタのメッシュの既存のグラフ情報をもとに，新しいキャラクタの変形を自動的に計算する深層学習ベースの手法を開発する．具体的には，メッシュ変形を線形部分と非線形部分の組み合わせとして捉える考え方を採用し，そのうち複雑な非線形変形を近似するための，グラフニューラルネットワークをもとにした新しい深層学習モデルを開発する．
|
| Causes of Carryover |
病気による入院および療養のため，当初予定していた国際会議に出席できなかったことにより，出張費として計上していた分が未使用となっている．また，次年度の国際会議への出席についても，すでに新型コロナ流行の影響で取りやめになっているものもある．したがって，今後の状況を見て，今年度予算と合わせて物品購入に振り替えることを検討している．
|
