Coordinating Multiple Conditions for Trajectory-Controlled Human Motion Generation
यह शोध पत्र CMC का प्रस्ताव करता है, जो एक डिकपल्ड टू-स्टेज फ्रेमवर्क है जो मानव गति निर्माण के लिए टेक्स्ट और ट्रैजेक्टरी स्थितियों को समन्वित करता है, जो पहले एक सरलीकृत प्रतिनिधित्व के माध्यम से सटीक ट्रैजेक्टरी अनुवर्ती सुनिश्चित करता है और फिर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करने के लिए एक सिलेक्टिव इनपेंटिंग मैकेनिज्म द्वारा उन्नत टेक्स्ट-कंडीशन्ड इनपेंटिंग मॉडल के माध्यम से पूर्ण-शरीर की गति को पूरा करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक फिल्म के दृश्य को निर्देशित करने की कोशिश कर रहे हैं जहाँ एक अभिनेता को एक विशिष्ट कार्य (जैसे "नाचना") करना है जबकि उसे फर्श पर खींची गई एक बहुत ही विशिष्ट रेखा (जैसे एक त्रिभुज) के साथ चलना है।
समस्या: "दो सिरों वाला" निर्देशक
पिछले तरीकों ने इसे करने की कोशिश की जहाँ अभिनेता को दो निर्देशकों द्वारा एक साथ चिल्लाकर निर्देश दिए जाते थे। एक निर्देशक चिल्लाता है, "नाचो!" (टेक्स्ट), और दूसरा चिल्लाता है, "लाइन पर रहो!" (ट्रैजेक्टरी)। क्योंकि ये निर्देश एक-दूसरे से बहुत अलग हैं—एक एक अस्पष्ट भावना है, दूसरा एक सटीक ज्यामितीय रेखा है—अभिनेता भ्रमित हो जाता है। वे नाचने तो शुरू कर सकते हैं लेकिन रेखा से भटक सकते हैं, या वे रेखा पर पूरी तरह से बने रह सकते हैं लेकिन पूरी तरह से नाचना बंद कर सकते हैं।
इसके अलावा, पुराने तरीकों ने अभिनेता के शरीर के हर छोटे विवरण (उनकी गति, उनका रोटेशन, उनके पैरों की स्थिति) को एक साथ नियंत्रित करने की कोशिश की। यह एक कार को चलाने के दौरान पहियों, इंजन और स्टीयरिंग व्हील को एक साथ समायोजित करके चलाने की तरह था; इसने गति को डगमगाता और अस्थिर बना दिया।
समाधान: CMC ("विभाजित करो और जीतो" की रणनीति)
लेखक CMC (कोऑर्डिनेटिंग मल्टीपल कंडीशंस) नामक एक नई प्रणाली का प्रस्ताव करते हैं। एक भ्रमित निर्देशक के बजाय, यह कार्यों को अलग करने वाली एक दो-चरणीय असेंबली लाइन का उपयोग करता है।
चरण 1: "कंकाल" वास्तुकार (ट्रैजेक्टरी कंट्रोल)
सबसे पहले, सिस्टम नृत्य के फैंसी विवरणों को अनदेखा करता है। यह केवल गति के "कंकाल" पर ध्यान केंद्रित करता है: कूल्हे (hips) और वे विशिष्ट जोड़ जिन्हें आप नियंत्रित करना चाहते हैं (जैसे हाथ या पैर)।
- उपमा: कल्पना कीजिए कि एक वास्तुकार एक रस्सी पर चलने वाले व्यक्ति का एक सरल वायरफ्रेम (तार का ढांचा) बना रहा है। वे अभी तक व्यक्ति के शर्ट के रंग या चेहरे के भाव की चिंता नहीं करते हैं; वे बस यह सुनिश्चित करते हैं कि वायरफ्रेम रस्सी पर पूरी तरह से रहे।
- चाल: वे शरीर के डेटा के एक "सरलीकृत" संस्करण का उपयोग करते हैं। गति और रोटेशन को ट्रैक करने के बजाय, वे केवल यह ट्रैक करते हैं कि जोड़ कहाँ हैं। यह पथ का पालन करना अविश्वसनीय रूप से स्थिर और सटीक बनाता है।
चरण 2: "कॉस्ट्यूम डिजाइनर" (मोशन कम्प्लीशन)-
एक बार जब वायरफ्रेम रस्सी पर लॉक हो जाता है, तो सिस्टम दूसरे चरण में जाता है। अब, वे "टेक्स्ट" निर्देशों (जैसे, "नाचना") को सामने लाते हैं।
- उपमा: कॉस्ट्यूम डिजाइनर उस निश्चित वायरफ्रेम को लेता है और शरीर के बाकी हिस्सों को भरता है। वे हाथों, पैरों और गति की शैली को टेक्स्ट विवरण के आधार पर जोड़ते हैं।
- सुरक्षा जाल: चूंकि वायरफ्रेम पहले से ही सही स्थान पर फ्रीज है, इसलिए कॉस्ट्यूम डिजाइनर को इस बात की चिंता करने की आवश्यकता नहीं है कि व्यक्ति रस्सी से भटक जाएगा। वे पूरी तरह से इस बात पर ध्यान केंद्रित कर सकते हैं कि नृत्य स्वाभाविक और अभिव्यंजक दिखे।
गुप्त नुस्खा: "सिलेक्टिव इनपेंटिंग"
एक जोखिम था कि "कॉस्ट्यूम डिजाइनर" (चरण 2) वायरफ्रेम की नकल करने में इतना अच्छा हो जाएगा कि वह खुद से नाचना भूल जाएगा। इसे ठीक करने के लिए, लेखकों ने SIM (सिलेक्टिव इनपेंटिंग मैकेनिज्म) नामक एक प्रशिक्षण तकनीक पेश की।
- उपमा: कल्पना कीजिए कि आप एक छात्र को पोर्ट्रेट पेंट करना सिखा रहे हैं। यदि आप उन्हें केवल एक पहले से बने स्केच के ऊपर पेंट करने देते हैं, तो वे बिना स्केच के चेहरा बनाना भूल सकते हैं। इसलिए, शिक्षक उन्हें याद से कहता है: "आज, स्केच के ऊपर पेंट करें (इनपेंटिंग)।" "कल, बिना किसी स्केच के पूरा चेहरा शून्य से बनाएं (टेक्स्ट-टू-मोशन)।"
- परिणाम: यह मॉडल को लचीला बनाए रखता है। यह सीखता है कि पथ दिए जाने पर खाली जगहों को कैसे भरा जाए, लेकिन यह यह भी याद रखता है कि स्वाभाविक गति को शून्य से कैसे बनाया जाए, जिससे यह कठोर या "ओवरफिट" होने से बच जाता है।
परिणाम
"पथ" को "शैली" से अलग करके, CMC संघर्ष को हल करता है। परिणाम एक मानव गति है जो पथ का पूरी तरह से पालन करती है (एक रस्सी पर चलने वाले की तरह) और फिर भी एक स्वाभाविक, अभिव्यंजक नृत्य (एक कलाकार की तरह) की तरह दिखती है।
पेपर दिखाता है कि यह तरीका मानक डेटासेट्स पर पिछले "दो सिरों वाले निर्देशक" दृष्टिकोणों की तुलना में बेहतर काम करता है, जो पथ के प्रति सटीक और उपस्थिति में यथार्थवादी दोनों तरह की गतियां बनाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।