Learning of structured trajectory models with high flexibility for computer animation

• Antragsteller: Professor Dr.-Ing. Martin A. Giese, Ph.D.
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2006 bis 2011
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 18510190

Die effektive Generierung realistischer menschlicher Bewegungen in Echtzeit ist ein Kernproblem in der Computeranimation und für Computer-Spiele. Animationen mit Motioncapturedaten bieten den Vorteil hoher Realitätsnähe, erfordern aber häufig eine aufwendige Nachbearbeitung der aufgenommenen Trajektorien. Animationssysteme, die auf dynamischen Gleichungen beruhen können das Verhalten von animierten Figuren in Echtzeit generieren. Jedoch müssen die erzeugten Bewegungen oft vereinfacht werden, weil ansonsten die zugrunde liegenden Kontrollarchitekturen zu komplex werden. Wir haben einen biologisch inspirierten Ansatz entwickelt, der erlaubt, flexible strukturierte Modelle von Klassen von Trajektorien basierend auf einer neuen Methode zur blinden Quellenseparation zu lernen und der die gelernten Trajektorienmodelle in eine Systemarchitektur zu transformieren, die komplexe menschliche Bewegungen in Echtzeit mit Hilfe relative einfacher nichtlinearer dynamischer Systeme erzeugt. Wir haben gezeigt, dass dieser Ansatz sowohl für periodische als auch für nichtperiodische Bewegungen anwendbar ist und dass er mit wichtigen anderen Modulen der Online-Animation integriert werden kann, wie Navigation, Bewegungsmorphen und der Synchronisation mit externen Signalen, z.B. Musik-Rhythmen. Die entwickelte Methode erlaubt, die Integration dynamischer Primitive in komplexen Systemarchitekturen mit wohldefinierten Stabilitätseigenschaften. Die geplanten zukünftigen Arbeiten werden versuchen, die entwickelte Methode weiter zu vervollständigen und durch die folgenden Aspekte zu erweitern: 1) das Lernen räumlich lokaler primitive durch Sparsifizierung und die Entwicklung dynamischer Kontrollarchitekturen zu ihrer Integration, speziell zur Simulation von kinematischem Kontakt zwischen mehreren Avataren. 2) Entwicklung einer systematischen Designtheorie für dynamische Kontrollarchitekturen mit garantierten Stabilitätseigenschaften, wobei zur Stabilitätsanalyse Methoden der neuentwickelten Kontraktionstheorie eingesetzt werden sollen. 3) Übertragung der entwickelten Methode auf Gesichtsbewegungen in Kooperation mit dem Max-Planck-Institut für biologische Kybernetik. 4) Psychophysische Validierung der Methode zur Bewegungsgenerierung durch Vergleich mit Motioncapture-Ground-Truth-Daten.

• DFG-Verfahren: Sachbeihilfen