Tecnologia Científica

Um método de aprendizagem profunda para aprimorar automaticamente as animações dos cães
Pesquisadores desenvolveram recentemente um modelo baseado em redes neurais profundas que pode ajudar a melhorar a qualidade das animações contendo animais quadrúpedes, como cães.
Por Ingrid Fadelli - 27/11/2021


Figura 1: Azul: quadros da animação inicial sem as sutilezas do verdadeiro movimento canino e contendo pequenos erros. Verde: quadros correspondentes do conjunto de dados de captura de movimento canino verdadeiro. Vermelho: saída após passar a animação inicial (azul) por meio de nossa rede neural de aprimoramento de animação quadrúpede. Crédito: DOI: 10.1145 / 3487983.3488293

Pesquisadores do Trinity College Dublin e da University of Bath desenvolveram recentemente um modelo baseado em redes neurais profundas que pode ajudar a melhorar a qualidade das animações contendo animais quadrúpedes, como cães. O framework que eles criaram foi apresentado na conferência MIG (Motion, Interaction & Games) 2021, um evento onde pesquisadores apresentam algumas das mais recentes tecnologias para a produção de animações e videogames de alta qualidade.

"Estávamos interessados ​​em trabalhar com dados não humanos", disse Donal Egan, um dos pesquisadores que realizou o estudo, ao TechXplore. "Escolhemos cães por razões de praticidade, já que são provavelmente os animais mais fáceis de se obter dados."

Criar animações de cães e outros animais quadrúpedes de boa qualidade é uma tarefa desafiadora. Isso ocorre principalmente porque esses animais se movem de maneiras complexas e têm andamentos únicos com padrões específicos de pisada. Egan e seus colegas queriam criar uma estrutura que pudesse simplificar a criação de animações quadrúpedes, produzindo conteúdo mais convincente para vídeos animados e videogames.

"Criar animações que reproduzam movimento quadrúpede usando métodos tradicionais, como key-framing, é bastante desafiador", disse Egan. "É por isso que pensamos que seria útil desenvolver um sistema que pudesse aprimorar automaticamente uma animação bruta inicial, eliminando a necessidade do usuário de criar uma altamente realista."

O estudo recente realizado por Egan e seus colegas baseia-se em esforços anteriores com o objetivo de usar o aprendizado profundo para gerar e prever os movimentos humanos. Para obter resultados semelhantes com movimentos quadrúpedes, eles usaram um grande conjunto de dados de captura de movimento que representam os movimentos de um cão real. Esses dados foram usados ​​para criar várias animações de cachorro realistas e de alta qualidade.

"Para cada uma dessas animações, fomos capazes de criar automaticamente uma animação 'ruim' correspondente com o mesmo contexto, mas de qualidade reduzida, ou seja, contendo erros e sem muitos detalhes sutis do verdadeiro movimento do cão", disse Donal Egan, um dos pesquisadores que realizaram o estudo. "Em seguida, treinamos uma rede neural para aprender a diferença entre essas animações 'ruins' e as animações de alta qualidade."

Depois de ser treinada em animações de boa e má qualidade, a rede neural dos pesquisadores aprendeu a aprimorar as animações de cães: melhorando sua qualidade e tornando-as mais realistas. A ideia da equipe era que em tempo de execução as animações iniciais podem ter sido criadas usando uma variedade de métodos, incluindo técnicas de enquadramento de chave, portanto, podem não ser muito convincentes.

"Mostramos que é possível para uma rede neural aprender como adicionar os detalhes sutis que fazem uma animação quadrúpede parecer mais realista", disse Egan. "As implicações práticas do nosso trabalho são os aplicativos aos quais ele poderia ser incorporado. Por exemplo, ele poderia ser usado para acelerar um pipeline de animação. Alguns aplicativos criam animações usando métodos como a cinemática inversa tradicional, que pode produzir animações sem realismo ; nosso trabalho poderia ser incorporado como uma etapa de pós-processamento em tais situações.

Os pesquisadores avaliaram seu algoritmo de aprendizado profundo em uma série de testes e descobriram que ele poderia melhorar significativamente a qualidade das animações de cachorro existentes, sem alterar a semântica ou o contexto da animação. No futuro, seu modelo poderá ser usado para agilizar e facilitar a criação de animações para uso em filmes ou videogames. Em seus próximos estudos, Egan e seus colegas planejam continuar explorando maneiras pelas quais os movimentos dos cães podem ser reproduzidos digital e graficamente.

"Nosso grupo está interessado em uma ampla variedade de tópicos, incluindo gráficos, animação, aprendizado de máquina e incorporação de avatar em realidade virtual", disse Egan. "Queremos combinar essas áreas para desenvolver um sistema para a incorporação de quadrúpedes na realidade virtual - permitindo que jogadores ou atores se tornem um cachorro na realidade virtual . O trabalho discutido neste artigo poderia fazer parte desse sistema, ajudando-nos a produzir animações quadrúpedes realistas em VR. "

 

.
.

Leia mais a seguir