CG

作者：风翼冰舟
链接：https://www.zhihu.com/question/299068775/answer/525874350
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

我感觉CV还好，毕竟是大趋势，要是研究CG试试，简直是坑得吐血，本人研究方向运动捕捉，使用机器学习重构人体姿态，注意不是依据图像信息重构人体姿态，而是利用动捕数据来生成满足特定任务的行为，比如达到某个目标点，处于某种特定姿态，等等。这个我个人感觉只有游戏或者动画能用，但是这些领域一般都是专业人士捕捉好的，鬼才用机器学习生成的效果还不好的那些动画。

像openai这样做的虽然很厉害，但是无法真正投入工程使用，这生成的人体姿态简直无法吐槽：

相比之下，近年来siggraph上面部分文章做的还好，比如这篇论文：

但是细节部分，比如脚的位置，有时候也不是特别好，会嵌入地面内部，实际使用还要经过大量运动学优化，然鹅用运动学以后，矫正太狠就无法保证自然性。

作者之前的论文也做了一个简单的工作，文章戳这里：

————————更新2019-2-24————————

没想到还有这么多人点赞 T_T ，那我再贴点图：

还能用来控制动物走跑跳站立，用深度学习，文章戳这里：

还有飞天龙，用深度强化学习,文章戳这里：

走钢丝，爬楼梯，深度强化学习,文章同上

拳击手，高斯过程属于机器学习，不过是12年的文章了，所以还莫得深度强化学习加进来，文章戳这里

鬼畜，高斯过程，文章同上：

但是自己的研究方向，哭着也要做下去，嗯！！

其实用机器学习比如深度强化学习做MOCAP不仅要让虚拟角色学习如何去完成指定任务，还得保证运动自然性，这才是难点，我jio得目前出现的AI玩游戏中使用的深度强化学习，只关注如何做出正确决策，并未关注角色执行决策时应遵循基本的运动学知识吧。

—————————更新一波：2019-4-2————————

把部分文章代码和网址都丢出来，方便有兴趣的大佬研究研究。

- 《Robust Generation of Dynamical Patterns in Human Motion by a Deep Belief Nets》

[主页](Sainbayar Sukhbaatar)，[论文](Robust Generation of Dynamical Patterns in Human Motion by a Deep Belief Nets)，[代码](tesatory/TDBN)，[视频]()

- 《Continuous Character Control with Low-Dimensional Embeddings》

[主页]()，[论文]()，[代码]()，[视频]()

- 《A Deep Learning Framework For Character Motion Synthesis and Editing》

[主页](A Deep Learning Framework For Character Motion Synthesis and Editing)，[论文]()，[代码]()，[数据]()，[视频]()

- 《Phase-Functioned Neural Networks for Character Control》

[主页](Phase-Functioned Neural Networks for Character Control)，[论文]()，[代码]()，[视频](NVIDIA SIGGRAPH 2017)

- 《DeepLoco: Dynamic Locomotion Skills Using Hierarchical Deep Reinforcement Learning》

[主页](DeepLoco: Dynamic Locomotion Skills Using Hierarchical Deep Reinforcement Learning)，[论文]()，[代码](xbpeng/DeepLoco)，[视频1]()，[视频2]()，[视频3]()

- 《DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills》

[主页](DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills)，[论文]()，[代码](xbpeng/DeepMimic)，[视频1]()，[视频2]()

- 《Terrain-Adaptive Locomotion Skills Using Deep Reinforcement Learning》

[论文]()，[代码](xbpeng/DeepTerrainRL)，[视频]()

- 《Mode-Adaptive Neural Networks for Quadruped Motion Control》

[主页](sebastianstarke/AI4Animation)，[论文]()，[代码](sebastianstarke/AI4Animation)，[视频]()

- 《PiGraphs: Learning Interaction Snapshots from Observations》

[主页]()，[论文]()，[代码](msavva/pigraphs)，[视频]()

 

 

 

之前开源过的论文，代码在我百度云，**开山鼻祖**：

 

- 《Modeling human motion using binary latent variables 》

[论文]()，代码：[链接]( ) 提取码：p353

- 《Factored Conditional Restricted Boltzmann Machines

for Modeling Motion Style》

[论文]()，代码：[链接]( ) 提取码：42i2

- [Dynamical binary latent variable models for 3D human pose tracking]

[论文]()，[代码](gwtaylor/imCRBM)

【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/xiaochi/p/11571721.html