群体动画中路径自动规划方法研究

为了在制作群体动画时产生逼真的运动路径,在群体运动的模拟中设计了碰撞检测和碰撞避免的方法,并基于微粒群算法和人工蜂群算法提出了群体动画路径自动规划方法.仿真实验表明;该方法能够实现群体动画运动路径的自动设计,提高了群体动画的制作效率.     

面向三维动画自动生成的路径规划

全过程计算机辅助自动生成动画技术由中科院陆汝钤院士于上世纪90年代提出,这一技术的目标是将适当的故事以受限自然语言的方式输入计算机,由开始一直到动画的生成,每一步都是在计算机的辅助下完成.在动画生成过程中,如何规划运动对象路径是影响动画效果的重要因素.为此,提出基于动画场景规划信息的路径规划方法,该方法通过预定义的路径定性规划语言PADL描述规划需求,然后通过利用扩展的A*算法规划路径并生成路径定量规划语言PCAL描述的路径,最后采用运动图方法合成路径运动动画.实验表明,该方法能有效地自动生成符合指定要求的路径动画.     

群体仿真中基于决策树的路径自动评价研究

针对群体仿真中大量粒子的运动路径评价中存在评价速度慢、准确率低、缺乏依据特征等不足,提出基于决策树算法的路径自动评价模型。在群体粒子自动聚集过程中,通过分析,提取出影响其运动行为的属性,应用于决策树算法中进行路径好坏的判断评价。仿真结果表明,该算法的评价模型能够有效地提高评价速度、建立评价依据并提高评价的准确率。     

基于人工蜂群算法的群体动画路径生成方法

大多数群体智能算法容易陷入局部最优,且收敛速度较慢。为此,将粒子群优化算法引入人工蜂群算法中,提出一种改进的路径生成算法NewABC,实现最优目标位置的选取及粒子个体的路径规划。将该方法生成的路径数据导入maya三维动画制作软件中进行仿真实验,结果表明,该方法生成的群体动画效果逼真,动画创作效率有较大的提高。     

基于几何特征的流体动画控制方法

在流体动画中,流体控制是生成可控流体运动的关键技术.为产生视觉逼真、行为可控的流体动画效果,提出一种基于几何特征的流体控制方法.首先通过构建流体形状的时变几何分区,实现对可控流体形状的表达及动态跟踪;在此基础上设计异构控制模型,以增强流体运动控制的灵活性,该模型采用了带约束优化的刚性控制和基于弹簧模型的柔性控制2种方法;最后将异构控制模型与高精度流体物理模型相耦合,生成视觉逼真的可控流体运动效果.实验结果表明,该方法能够在保持流体角色形状的同时产生丰富的流体细节,满足动画师的设计需求.     

计算机动画的人工生命方法：“人工鱼”的建模和生成

引言 生活在自然界的动物群体是动画创作者面临的“挑战性”难题。为此,我们开发了计算机动画生成的新方法──“人工生命”方法,可以逼真地体现自然生态系统中动物群体的复杂运动和行为,并且可显著地降低动画创作者的劳动强度。 我们的方法是构建“人工动物”,创作自激励的自主智能体,去模拟动物个体的真实外观、运动和行为,及动物群体的社会行为表现模式。用计算机模型描述这些人工动物共有的基本特征──生物力学、运动、感知和行为。 为了证实我们构建的“人工生命”的有效性,我们实现了在虚拟海洋世界栖息着的各式各样的人工鱼…     

一种视频驱动的三维虚拟人动画实现方法

研究实现三维人体动画具有广泛的应用前景和实用意义,提出了一种二维视频驱动的三维人体动画实现方法。基于动态帧的关键帧提取算法从二维视频中构建了二维关键帧集合;基于二维关键帧构建二维人体骨骼模型;利用小孔成像原理和勾股定理计算得到关节特征点的深度坐标,从而得到了反映人体动画的三维数据。实验结果表明,该方法生成的三维人体动画形象逼真、成本低、提高了运动生成的实时性,能够应用于虚拟现实、计算机游戏、三维视频游戏制作等领域。     

基于视频的角色动画

现有的计算机动画制作普遍存在投资大、效率不高等缺陷.为此,提出了利用计算机视觉技术中的一种基于特征的跟踪方法-KL(Kanade-Lucas)算法.首先捕获视频中角色的二维运动信息,然后进行三维重建生成满足动画要求的三维角色运动序列,最后将三维角色运动序列重定向到动画模型中去,从而得到逼真的角色动画.实际运行结果表明,从来源广、成本低的视频中完成角色运动提取与合成,从而生成逼真动画的可行性.     

计算机群体动画中的真实感行为综述

近年来,计算机群体动画在虚拟现实、计算机游戏、在线教育、娱乐和模拟训练等多个领域得到广泛深入的应用。目前群体动画技术中两个关键的研究领域是：1)研究并建立大规模群体运动的仿真模型,即如何实现对群体运动的真实感行为模拟;2）研究群体动画中高质量的可视化效果,即如何将大规模群体运动以三维的方式逼真地展现到虚拟场景中。现在这两个领域的技术研究也得到了一些很好的研究成果。定义了群体运动的概念,并给出了群体动画的引擎框架;对群体运动的真实感行为从其发展历程、模型和关键算法等方面进行了归纳与分析;最后讨论了群体动画真实感行为的发展趋势。     

一种人体运动骨骼提取和动画自动生成方法

现有的动画生成方法存在手工操作繁琐、模型姿态受局限等问题.提出了一种新的人体模型动画自动生成方法,首先自动提取和识别位于人体四肢和头顶末端的5个特征点,以特征点为起点,计算模型等测地线的中心线.在中心线上根据人体测量学知识,确定关节点的近似位置,然后根据人体骨骼刚性运动特征和运动数据文件提供的骨骼信息,进行关节点精确定位,再通过热力学扩散方程计算顶点权重最后将提取的骨骼采用局部坐标架对齐的方法实现与运动数据匹配,并以运动数据驱动皮肤产生人体动画实验结果表明,与现有算法相比,具有与模型姿态无关、全自动、产生动画效果好等特点.     

基于几何方法的虚拟人群紧急逃生仿真

研究优化人群紧急逃生路径选择问题,在紧急情况下,实时选择最优逃生路径,可减少伤亡。但在运动控制中缺乏行为模型描述的研究中,针对现有技术存在的预处理路径机制不能适应动态情形,导致逃生仿真不符合社会行为规律,提出了一种根据几何方法的虚拟人群逃生运动的算法。将复杂场景抽象为图模型,利用Floyd-Warshall算法解决逃生路径规划的APSP问题;其次,建立自适应的动态路径查询表,个体针对实际情况动态生成路径图,最后,在几何空间中基于RVO算法,建立人群密度制约逃生期望速度的运动模型,真实体现了紧急情形下人群运动的社会群体行为。仿真结果表明,改进算法具有动态获取最优逃生路线的特性,并能体现出紧急情形下的社会行为,更具实际指导意义。     

手机3D动画自动生成系统中的色彩规划

手机3D动画自动生成系统依据短信内容,自动生成相应的3D动画并随原短信一同发送给接收方.色彩规划是其中一个重要环节,它根据短信主题和动画场景信息对动画的色彩进行规划,修改场景中物体颜色.提出了一种基于语义网技术的规划方法,结合色彩知识建立知识库,通过情节推理,找到和短信主题色彩意象匹配的配色方案,再根据动画场景信息对配色方案进行筛选,最后细化到每个物体的颜色.色彩规划弥补了自动生成的动画在视觉效果上千篇一律、单调乏味的缺陷,增强了动画的灵活性、多变性.     

Disambiguating named entities with deep supervised learning via crowd labels

Named entity disambiguation (NED) is the task of linking mentions of ambiguous entities to their referenced entities in a knowledge base such as Wikipedia. We propose an approach to effectively disentangle the discriminative features in the manner of collaborative utilization of collective wisdom (via human-labeled crowd labels) and deep learning (via human-generated data) for the NED task. In particular, we devise a crowd model to elicit the underlying features (crowd features) from crowd labels that indicate a matching candidate for each mention, and then use the crowd features to fine-tune a dynamic convolutional neural network (DCNN). The learned DCNN is employed to obtain deep crowd features to enhance traditional hand-crafted features for the NED task. The proposed method substantially benefits from the utilization of crowd knowledge (via crowd labels) into a generic deep learning for the NED task. Experimental analysis demonstrates that the proposed approach is superior to the traditional hand-crafted features when enough crowd labels are gathered.     

基于改进蚁群与动态窗口法的AGV动态路径规划

针对全局静态路径规划算法无法有效躲避动态障碍物、局部动态路径规划算法缺少全局环境信息指导规划路径质量差或无法成功到达目标点等问题,提出了一种结合改进蚁群算法和动态窗口法的全局动态路径规划算法,实现在动态环境中的全局最优路径实时规划.对传统蚁群算法提出了初始信息素不均匀、双向分布、引入放大系数A增大相邻栅格启发信息差异、...     

基于八叉树建模的人工蜂群动态路径规划算法

针对群体动画路径规划过程中存在收敛速度慢、与环境的交互性差等问题,提出一种基于八叉树建模的人工蜂群路径规划算法.将环境以八叉树模型进行分解并存储,引入群体自适应机制,通过粒子适应度和环境编码信息寻找目标点,采用分层方式实现路径的动态规划.仿真实验结果表明,该算法能进行群体路径动态规划,在寻优性和收敛性上均有较好的性能.     

结合关键点概率与路径相似度的多路径覆盖策略

利用多种群遗传算法解决多路径覆盖问题,是测试数据自动生成领域一个重要的研究方向.为了提高多路径覆盖测试数据自动生成的效率,提出一种将关键点概率和路径相似度相结合的多路径覆盖策略.首先,将理论路径划分成易覆盖、难覆盖及不可达路径;然后,通过易覆盖路径统计关键点概率,依此概率计算个体对生成测试数据的贡献度,并利用贡献度改进...     

Semi-automatic cartoon generation by motion planning

To reduce tedious work in cartoon animation, some computer-assisted systems including automatic Inbetweening and cartoon reusing systems have been proposed. In existing automatic Inbetweening systems, accurate correspondence construction, which is a prerequisite for Inbetweening, cannot be achieved. For cartoon reusing systems, the lack of efficient similarity estimation method and reusing mechanism makes it impractical for the users. The semi-supervised graph-based cartoon reusing approach proposed in this paper aims at generating smooth cartoons from the existing data. In this approach, the similarity between cartoon frames can be accurately evaluated by calculating the distance based on local shape context, which is expected to be rotation and scaling invariant. By the semi-supervised algorithm, given an initial frame, the most similar cartoon frames in the cartoon library are selected as candidates of the next frame. The smooth cartoons can be generated by carrying out the algorithm repeatedly to select new cartoon frames after the cartoonists specifying the motion path in a background image. Experimental results of the candidate frame selection in our cartoon dataset suggest the effectiveness of the proposed local shape context for similarity evaluation. The other experiments show the excellent performance on cartoon generation of our approach.     

Data‐Driven Crowd Motion Control With Multi‐Touch Gestures

Controlling a crowd using multi‐touch devices appeals to the computer games and animation industries, as such devices provide a high‐dimensional control signal that can effectively define the crowd formation and movement. However, existing works relying on pre‐defined control schemes require the users to learn a scheme that may not be intuitive. We propose a data‐driven gesture‐based crowd control system, in which the control scheme is learned from example gestures provided by different users. In particular, we build a database with pairwise samples of gestures and crowd motions. To effectively generalize the gesture style of different users, such as the use of different numbers of fingers, we propose a set of gesture features for representing a set of hand gesture trajectories. Similarly, to represent crowd motion trajectories of different numbers of characters over time, we propose a set of crowd motion features that are extracted from a Gaussian mixture model. Given a run‐time gesture, our system extracts the K nearest gestures from the database and interpolates the corresponding crowd motions in order to generate the run‐time control. Our system is accurate and efficient, making it suitable for real‐time applications such as real‐time strategy games and interactive animation controls.     

基于特征关联的视频中群体人物行为语义抽取

为解决视频中群体人物行为语义抽取中群体人物相互遮挡、追踪困难等问题,构建一种基于特征关联的视频中群体行为人物语义抽取算法。该算法首先对视频帧提取多尺度融合特征图,通过特征图检测视频帧中可能存在的人物,利用去重算法筛除检测到的重复人物,精准定位群体人物边界框;接着预测群体人物特征掩码,通过比对相邻视频帧人物特征掩码的差异度追踪群体人物的运动轨迹;最后结合群体人物的运动轨迹推理每帧视频帧的群体人物行为语义,根据群体人物行为特点抽取视频群体人物行为语义。实验结果表明,该算法能够准确提取、定位群体人物的动态线索,解决群体人物复杂时空关系导致的语义抽取低效问题,有效地提高群体人物语义抽取的准确率和鲁棒性。