| Project/Area Number |
19K12287
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62040:Entertainment and game informatics-related
|
|---|
| Research Institution | Toyo University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2020: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2019: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
|
|---|
| Keywords | 深層ニューラルネットワーク / 生成モデル / GAN / VAE / キャラクタアニメーション / 動作 / 人物動作 / ディープラーニング |
|---|
| Outline of Research at the Start |
3次元コンピュータグラフィックスを使用した映像コンテンツには人型のキャラクタが登場し，人のように行動することが多い．本研究の目的は，多様で自然なキャラクタの動作を生成することができるシステムを構築することである．本研究では，動作の生成過程は複雑で非線形だと考え，この過程を深層ニューラルネットワークによりモデル化する．ネットワークの学習の際に，生成とは逆の過程（推論過程）も同様に深層ニューラルネットワークにより表現し，両ネットワークのパラメータを推定する．このようにすることで，動作の生成過程と推論過程を明らかにする．
|
| Outline of Final Research Achievements |
We consider that the process that people create various human motions in their minds and the process that people recognize various human motions are complicated and non-linear. And we modeled them using two different kinds of deep neural networks: generative adversarial networks and variational autoencoders. We trained the proposed models using human motion dataset captured with optical motion capture system. And we confirmed that the trained models can generate various natural human motions.
|
| Academic Significance and Societal Importance of the Research Achievements |
人間は様々な動作を思い浮かべることができる．このような人間の創造活動の一部を深層ニューラルネットワークによりモデル化できることを示したことが本研究の学術的意義である．また，3次元コンピュータグラフィックスを使用した映画やゲームには人型のキャラクタが登場することが多く，キャラクタの動作を生成・制御・編集することは重要なタスクである．本研究で提案した動作生成モデルによりキャラクタアニメーションの制作が容易になることが期待できる．
|
