? 로코모션간의 블렌드를 어떻게 구현했을까?
캐릭터 운동 모션을 위한 자동화된 반절차적 애니메이션
Abstract
이 논문은(thesis) 프레임워크를 보여줍니다. 캐릭터 운동의 상호작용 합성(synthesis)을 위한 기술의 프레임워크을요. 이 시스템은 주로(Primarily) 예제 샘플 모션을 사용합니다. 키프레임이거나 주기를 가진 뛰거나 걷는 모션캡쳐 샘플 모션을요. 시스템은 각각의 모션에대해서 설계 타임에 자동적으로 측정합니다. 그리고 impact와 lift-off times과 같은 파라메터를 추출합니다. 각발의 전체적인 벨로시티에 대해서요. 런타임에서 처음 블랜드할때 모션은 캐릭터의 처음 벨로시티와 로테이션 벨로시티 값을 따릅니다. 그 다음 다리안에 있는 본들의 움직임을 조정합니다. IK를 이용해서요. IK를 이용함으로써 발은 올바르게 땅과 다을 수 있습니다. 이 시스템은 인간과 비인간 시스템에서도 작동합니다. 다리가 몇개이던지 간에, 어떠한 스타일의 움직임에서도 작동합니다. 이 시스템은 애니메이션을 특정한 속도와 방향으로 조정할 수 있습니다. 임이의 계단과 경사를 포함하여 모든 표면에서 모든 속도, 방향 및 곡률(curvature)로요.
주목할만한 발전은 이 논문에서 footbase에 대한 컨셈을 설명한다는 점입니다. 단일로 결합된 heel과 toe 제약에 대한 footbase를요. 여기서 제약은 지면에 대한 발의 정렬에 대한 중요한 위치정보를 유지합니다. 지지되는 지면에 대한 높이로 계산된 위치정보를요. 지지되는 지면은 모션을 생성하는데 사용됩니다. 다리의 수와 걸음걸이 스타일에 관계없이 좋은 무게감을 가진 모션이요. 자연스러운 걸음 정렬은 계산됩니다. 어떠한 캐릭터와 보조 스타일에서 작동하는 정렬요. 그리고 분산 데이터 정렬 알고리즘은 필요한 프로퍼티를 가지고 있습니다. 다른 벨로시티로 모션을 보간할 때 필요한 프로퍼티요.
…
Contents
- Introduction
- I Problem Domain
- Related Work
- Positioning of This Thesis
- II Locomotion System
- Motion Analysis
- Motion Blending
- Motion Interpolation
- Semi-Procedural Animation
- III Validation
- Results and Evaluation
- Conclusion and Future Work
- A Comparison of Procedural Adjustments
모션 블랜딩
블랜딩하는 것은 한개의 예제 모션에서 단순히 이동하는 것이 아니라, 여러개의 모션으로 동시에(simultaneously) 이동하는 것을 가능하게 합니다. 웨이트 평균을 통해서요. 이 챕터에서는 모션블렌딩을 달성하는 방법에 대해서 말합니다. 물리적 모션 매개변수의 제어를 완전히 자동화하면서 스타일 모션 매개변수의 높은 수준의 제어를 제공하기 위해서요. 추가적으로 모션을 동기화 하는 방법을 보여줍니다. 사이클 정렬 및 모션 워핑을 통한 블렌딩을 위해서요.
5.1 모션 파라메터와 트렌시션 제어
예제 모션은 여러 측면(respects)에서 다를 수 있습니다. 속도와 방향은 두 예제 모션에서 다른 파라메터를 가질 수 있는 이차원입니다. 속도와 방향의 물리적 파라메터는 측정될 수 있습니다. 다른 행복, 활기(briskness) 또는 다른 stylistic parameters는 스타일에 영향을 받습니다. 인격과 감성은 자동화된 방식(fashion)으로 측정될 수 없습니다. 이 파라메터들은 아티스트나 디자이너에 의해 정의되거나 설정될 수 있습니다. 많은 수의 예제 모션에서 (다른 물리적 스타일적인 파라메터를 가진) 예제 모션의 하위 집합에 적절한 가중치를 할당하는 작업은 상당히 복잡해 질 수 있습니다. 자동화된 방법은 이러한 작업을 섬세하게 제어하고 더 높은 컨트롤 체계를 제공할 수 있습니다. 원하는 대상 매개변수를 사용하여 혼합된 모션을 더 쉽게 달성할 수 있도록 사용자에게 제공하기 위해서요.
연관 작업
Unuma et al. (1995)는 푸리에 기술을 사용하여 인간의 관절(articulated) 캐릭터에 대한 모션 데이터를 보간 및 외삽했습니다. “피곤함” 이나 “활기”같은 프로퍼티를 포함해서요. 메서드는 걷기에서 달리기 까지 현실적인 변환을 제공합니다. 달리는 방식에서 걷기로의 연적이 부자연스럽지만요.(Unuma et al. 1995. p95)
Rose et al. (1998)는 동사와 부사 프레임워크를 제안했습니다. 모션의 컨트롤을 제어하기 위해서요. 그리고 독특하게 다른 행동으로 변환하기 위해서요. 예를 들어 걷기 대 뛰기와 같이요. 돌는 각도와 위로 오르거나 아래로 내려가는 물리적 파라메터가 사용됩니다. 아티스트가 기분좋은-슬픈 이거나 knowledgeable-clueless 파라메터들을 설정한 상태에서요.(Rose et al. p34) 매개변수는 매개변수 수와 동일한 차원을 갖는 매개 변수 공간을 형성합니다. 파라메터 스페이스의 블렌드 웨이트를 예제 모션에 런타임 중에 할당하기 위해서요. radial basis 함수는 보간을 분산하기 위해 사용됩니다. 보간 기술은 Sloan et al. (2001)에 의해 개선되었습니다. 대체 보간 기술은 이후 작업에서 사용되었습니다. (Allen et al. 2002; Kovar and Gleicher, 2004), 모션 보간에 대해서는 6장에서 추가됩니다.
파라메터 공간에서 보간을 다루는 많은 작업들은 단순히 스타일 매개변수를 전혀 다루지 않고 물리적 매개변수로만 작업합니다. 예제모션이 자연의 측정된 물리적 파라메터와 가깝다고 가정하고요. (Kovar and Gleicher, 2004; Srinivasan et al. 2005; Heck and Glieicher, 2007) 이것은 게임에서 제어할 수 있어야 하는 stylistic parameters 없는 한 컴퓨터 게임에서 잘 작동할 수 있습니다.