动作姿势教学AI自动纠正动作姿势！基于物理动画制作工具Cascadeur又放大招

　　、伎俩和脚色标的目的掌握器的地位骨盆和颈部的地位取决于脚踝。时同，置是由向量界说的骨盆和颈部的位。

　　的流程操纵按照上面，似不错结果看，际上但实，ng仍是有一个很大的Bug这一版本的AutoPosi，次要点时挪动6个，内部逻辑而动弹头部会因为某些，和伎俩连同脚，会蜿蜒脊柱也，身看着还行固然姿式本，相对庞大但历程会。

　　了手的标的目的假如设置，比拟的话与数据集，定手肘和肩膀的地位足以十分准确地确。中出格适用这在VR，手的标的目的和地位好比肯定好玩家，肩膀和化身的地位便可紧接着只需求肯定肘部和。外此，盖的地位和骨盆的标的目的脚的标的目的还能够肯定膝，都是联动的以是团体，也极端便利操纵起来。

　　要留意这里，决于脚踝的地位伎俩的地位取，终由用户设置脚踝的地位始，色标的目的掌握器而且取决于角。es安排在接近空中的地位假定假如用户将Ankl，得活动为了获，数据集合的姿式会间接利用活动，向前挪动时那末当右脚，向后挪动右臂就会。

　　一部门在这，于手和脚的主要决议团队做出了一个关。不是由用户设置的假如手和脚的标的目的，型姿式中获得团队会从T，的角度来看不然从用户，可猜测的举动是不。肢一切点的地位一旦处理了四，将会重置T姿式值手和脚的部分角度。状况下凡是，承前臂的标的目的T姿式的手继，胫骨垂直脚会与。

　　团队才大白也是厥后，个十分庞大的神经收集他们要获得的并非一，的神经收集构成的庞大体系而是一个由12个更简朴，作”大概是掌握身材的特定地区每一个神经收集都有本人的“工，会参考特定的状况固然此中一些也。举动底子没有利用神经收集并且团队完成的一些体系，算法来替代它们而是用启示式。

　　要留意的成绩不外这里有个，别为左臂和右臂事情手臂点的神经收集分，臂之间的互相影响如许能够免手。过不，经由过程骨盆互相影响由于腿部怎样城市，经收集为协同事情以是腿部点的神。

　　留意一点这里要，置手和脚的标的目的假如用户未设，部和膝盖的地位决议那末就会别离由肘，承了前臂的标的目的由于究竟结果手继，直于胫骨而脚则垂。

　　置一个枢纽时手动从头放，枢纽的地位以婚配软件会调解其他。机械进修的体系外除其基于物理和，系列更通例的绑定和动画东西Cascadeur还包罗一，X格局导出到别的DCC软件然后以Collada和FB。

　　开辟一种东西团队的目的是，速设置草稿姿式让动画师可以快，础长进行完美然后在此基，行动时都能够快几倍如许能够在建造每一个。

　　毗连的神经收集处理大标的目的由一个完整，个神经元的2个躲藏层构成这个收集由200和100，踝）剖析全部脚色的标的目的利用4个点（伎俩和脚。

　　脚踝、伎俩、骨盆和颈部）决议手和脚的标的目的由次要的6个点（。决于手的标的目的肩膀的地位取，决于肩膀的地位肘部的地位又取。

　　画软件我们推送过好几次了Cassadeur这个动。理的动画建造东西它是一款基于物，就是“不依托动捕并且最大的亮点，的动画结果”就可以完成庞大！

　　的地位把脖子，的标的目的人物，e的参数Spin，到神经收集中头的标的目的输入。置头部的标的目的只需用户未设，T形姿式的胸部标的目的它就会连结其相对。整头部标的目的掌握器可是假如用户调，指定的标的目的头就会朝向。时同，的扭转调解其倾斜度神经收集跟着颈部。并偏向于竖立地位的身材部位头部是独一在身材最上的地位。

　　手、肘、肩膀、脚和膝盖）掌握由5个完整毗连的神经收集（，躲藏层（64、32）每一个神经收集有2个。

　　到达该目的为了尽快，Chirkova和Max Tarasov协作Eugene与团队的两位AI专家Aina ，的脚色摆姿式更简单和更快一同研发怎样让游戏开辟中，间到达这一成果并以最短的时。

　　收集（骨盆和颈部）2个完整毗连的神经，、250、200、150）每一个都有4个躲藏层（200。

　　是就脊柱该当向哪一个标的目的蜿蜒这个神经收集处理的次要成绩，该向前蜿蜒仍是向后蜿蜒好比腿次要决议脊柱应。一个重点是别的另有，柱会避开S曲线默许状况下脊，骨盆和胸部来自在蜿蜒脊柱但用户仍是能够经由过程调解。

　　也很简朴讲授理念，并将它们输入到神经收集中从每一个姿式中掏出6个点，点的地位标明其他，姿式中的点停止比力并估量偏向然后团队将这些点的地位与初始，反向传布算法停止进修神经收集会经由过程利用。

　　近来不外，憋一个大招Nekki，新的智能工签字为Autoposing团队基于Cascadeur开辟一款！了AI手艺此中交融，易和丝滑~今朝该东西还处于迭代测试版来让游戏开辟中的脚色姿式变得愈加容，来看一波我们争先~

　　也是比力简朴最后的设法，腕和脚踝）的地位输出神经收集仅将6个点（颈部、骨盆、手，况下获得最天然的姿式在连结这些点地位的情。

　　和颈部的地位脚踝、骨盆，标的目的掌握器和脚色，神经收集中都被输入到。的朝向和骨盆与颈部间隔所留的自在度脊柱的蜿蜒次要取决于胸部的标的目的、骨盆。oGebra中停止可视化团队的请求就是必需在Ge，曲的一切能够方法来可视化脊柱弯。

　　尝试为了，ght3》中提取了1300个动画团队从游戏《Shadow Fi，比力特别稀有的姿式然后又建造了一组，内容的数据集更加团队把镜像一切，600个动画终极获得了2，0000个姿式此中共有22，%用于锻炼此中80，用于测试20%。

　　定的高度时当有一个特，高度中在这个，入T型姿式的标的目的脚的标的目的开端融。T字姿式中假如假定在，放在空中上脚色的脚平，度会有一些限定胫骨与空中的角。

　　神经收集使体系变得愈加庞大然后团队经由过程引入几个内部，能够掌握6个点此体系许可用户，绑定的每一个点还能够掌握，随便数目的点来改进姿式如许动画师就可以够操纵，还能够局部利用假如需求的话。

　　了屡次迭代团队阅历，多尝试做了很，年多的工夫终极花了一，实践事情利用的成果获得了一个最便利。

　　间重复测试和迭代团队颠末一年的时，oPosing终究获得Aut，高服从的同时可以包管在提，内容并保存对成果的完整掌握任何用户都能够自在变动任何。

　　更好的结果为了到达，当深化和智能的神经收集手艺团队借助了一个相，工夫从头设想花了一年的，单的神经收集和启示式算法将它合成成一堆更小和更简，能够性和设置增加了差别的，够得到最大的操纵掌握和可猜测性而这统统只是为了确保动画职员能，ng东西一个十分好的出发点这也是AutoPosi。

　　配备的每一个点用户能够挪动，膝盖、骨盆和胸部即肘部、肩部、。收集剖析的地位然后不接纳神经，用户地位而是利用，完整掌握姿式如许就可以够。

　　实上事，络的进修过程当中在其他神经网，会以不异的方法定向一切利用的姿式都，沿Y轴安排骨盆和颈部，X轴安排胸部沿。样这，能地位空间就会减少身材其他部门的可，于脚色的标的目的而且不依靠。此因，sing更高效的事情为了使AutoPo，Ankles得到脚色的大致标的目的团队起首必需从Wrists和，分可以相对此事情以便收集的其他部。

　　续后，ascadeur的编程他又满身心的投入到C，级建造人成为高，r成为“脚色动画的ChatGPT”他最大的目的就是让Cascadeu，业程度上创立写实的动画可以让初学者也能在专。

　　了枢纽行动一旦肯定，个看起来公道的行动这个软件便会发生一，毗连起来将它们。能够部门主动化枢纽姿式的历程以至经由过程机械进修锻炼的体系也，体中枢纽的枢纽：脖子体系能够跟踪脚色身，部臀，和脚踝伎俩。

　　部和骨盆标的目的掌握器的地位骨盆的标的目的取决于脚踝、颈。外此，向掌握器扭转骨盆用户能够利用方，向掌握器绕轴扭转并经由过程挪动臀部方。

　　Cascadeur再给各人回想一下，阴影搏斗》《矢量跑酷》等）开辟的东西最后是为Nekki本人的手游（比方《，脚色和生物进动作画处置次要是想更便利快速地对。画东西差别与传统的动，注于物理特征它鼓舞用户专，色的轨迹比方角，支点等等角动量和。

　　而且胫骨超越必然角度假如脚向前挪动很远，再与空中临齐那末脚就不会。后挪动很远假如脚向，落在空中上它就会平，也是云云横向挪动。外此，与空中发作碰撞脚尖还能够会，面时会天然发作蜿蜒可是脚指在打仗地。

　　利用标的目的掌握器手动设置这个标的目的也能够由动画师。状况下在这类，神经收集就绕过了，标的目的进一步计较然后根据设定的。置伎俩地位假如没有设，脚踝只要，会变得很简朴脚色的标的目的也，毗连脚踝的线便可只需程度并垂直于。