| 研究課題/領域番号 |
19K11990
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60090:高性能計算関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
金井 崇 東京大学, 大学院総合文化研究科, 准教授 (60312261)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 物理法則アニメーション / データ駆動法 / 深層学習 / キャラクタアニメーション / 髪アニメーション / 脆性破壊アニメーション / グラフアテンションネットワーク / 敵対的生成ネットワーク / 衣服アニメーション / スキニング / ニューラル画像変換 / Cycle-GAN / 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 / データ駆動型物理法則CG アニメーション / コンピュータグラフィックス / 髪シミュレーション / 脆性破壊シミュレーション |
|---|
| 研究開始時の研究の概要 |
本研究では，機械学習によるアプローチをもとにしたデータ駆動型物理法則CG アニメーションのより一層の発展および深化のための研究を行う．ここでは，主に二つの研究トピックについて，リアルタイムアニメーションの観点から深層学習の利用について検討した上で，適切な手法を開発し評価する．一つ目の髪のアニメーションについては，ガイドヘアと詳細な髪との関係性を表す非線形関数を学習することで，ガイドヘアから詳細な髪を予測により求める手法を開発する．二つ目の脆性破壊シミュレーションについては，物体が破壊されるときの，物理属性と破壊パターン形状との関係性を学習することで，破壊パターン形状を予測により求める．
|
| 研究成果の概要 |
本研究の目的は，物理法則アニメーションについて，リアルタイムアニメーションを実現するためのデータ駆動型手法によるアプローチを確立することである．ここでは，物理法則アニメーションの中の研究トピックとして，脆性破壊，髪，人体変形の３つのアニメーションを取り上げ，その計算処理の中でボトルネックとなる処理を深層学習による処理に置き換える，というアプローチを採った．様々な実験を通じて，主に処理の高速化や効率化の点から提案手法の有効性を実証した．これらの研究により，データ駆動型物理法則 CG アニメーションが，特にリアルタイムアニメーションの観点から極めて有効な手法になり得ることを確信している．
|
| 研究成果の学術的意義や社会的意義 |
機械学習手法は近年長足の進歩を遂げており，最近では深層学習などの新しいツールが普及しつつある．本研究では，リアルタイムアニメーションが困難なトピックに対して，深層学習のような，他の分野で有効性が評価されている新しいツールを利用して，データ駆動型手法によるアプローチに取り組んだ．本研究の研究成果により，リアルタイムアニメーションを必要とする分野，例えば，ゲームやVRのような仮想空間において，人物や自然物のより写実的な表現をすることが可能となる．
|
