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 quadraºpedes, como ca£es. O framework que eles criaram foi apresentado na conferaªncia 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.

"Esta¡vamos interessados ​​em trabalhar com dados não humanos", disse Donal Egan, um dos pesquisadores que realizou o estudo, ao TechXplore. "Escolhemos ca£es por razões de praticidade, já que são provavelmente os animais mais fa¡ceis de se obter dados."

Criar animações de ca£es e outros animais quadraºpedes de boa qualidade éuma tarefa desafiadora. Isso ocorre principalmente porque esses animais se movem de maneiras complexas e tem andamentos aºnicos com padraµes específicos de pisada. Egan e seus colegas queriam criar uma estrutura que pudesse simplificar a criação de animações quadraºpedes, produzindo conteaºdo mais convincente para va­deos animados e videogames.

"Criar animações que reproduzam movimento quadraºpede usando manãtodos tradicionais, como key-framing, ébastante desafiador", disse Egan. "a‰ por isso que pensamos que seria útil desenvolver um sistema que pudesse aprimorar automaticamente uma animação bruta inicial, eliminando a necessidade do usua¡rio 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 quadraºpedes, eles usaram um grande conjunto de dados de captura de movimento que representam os movimentos de um ca£o 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 ca£o", 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 ma¡ qualidade, a rede neural dos pesquisadores aprendeu a aprimorar as animações de ca£es: 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 manãtodos, incluindo técnicas de enquadramento de chave, portanto, podem não ser muito convincentes.

"Mostramos que épossí­vel para uma rede neural aprender como adicionar os detalhes sutis que fazem uma animação quadraºpede parecer mais realista", disse Egan. "As implicações prática s 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 manãtodos como a cinema¡tica inversa tradicional, que pode produzir animações sem realismo ; nosso trabalho poderia ser incorporado como uma etapa de pa³s-processamento em tais situações.

Os pesquisadores avaliaram seu algoritmo de aprendizado profundo em uma sanãrie de testes e descobriram que ele poderia melhorar significativamente a qualidade das animações de cachorro existentes, sem alterar a sema¢ntica ou o contexto da animação. No futuro, seu modelo podera¡ ser usado para agilizar e facilitar a criação de animações para uso em filmes ou videogames. Em seus pra³ximos estudos, Egan e seus colegas planejam continuar explorando maneiras pelas quais os movimentos dos ca£es podem ser reproduzidos digital e graficamente.

"Nosso grupo estãointeressado em uma ampla variedade de tópicos, incluindo gra¡ficos, animação, aprendizado de ma¡quina e incorporação de avatar em realidade virtual", disse Egan. "Queremos combinar essas áreas para desenvolver um sistema para a incorporação de quadraºpedes 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 quadraºpedes realistas em VR. "