基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的自動動畫系統(tǒng)
使用DeepMotion（深度神經(jīng)學(xué)習(xí)網(wǎng)絡(luò)）基于AI的物理過程動畫工具Neuron，可以輕松自動化您的深度神經(jīng)3D角色。享受深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)虛擬角色的學(xué)習(xí)上海黃埔品茶喝茶中高端喝茶場子vx《749-3814》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達所有功能以及用于運動智能的下一代工具;通過學(xué)習(xí)，虛擬狗，網(wǎng)絡(luò)恐龍和人形機器人高級運動技能，自動動觀察他們對任何環(huán)境的畫系行為和反應(yīng)。使用深度強化學(xué)習(xí)，基于明確的深度神經(jīng)物理學(xué)的參考數(shù)據(jù)，可以將幫助訓(xùn)練你的學(xué)習(xí)虛擬角色創(chuàng)作做后空翻，卡波耶拉舞蹈，網(wǎng)絡(luò)上海黃埔品茶喝茶中高端喝茶場子vx《749-3814》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達玩滑板等。自動動
我們可以看到這個角色會依照場景中的畫系地形，障礙或者其他已經(jīng)設(shè)定干擾因素做出自己行為判斷，基于并將其付諸于自己的深度神經(jīng)行為中，一套非常擬真的學(xué)習(xí)動作系統(tǒng)負(fù)責(zé)將這些行為反饋出來，從而達到非常智慧化的效果，這些行為的表達，則可以通過深度學(xué)習(xí)來獲得，通過一些片段或者資料，就可以教會這些虛擬角色應(yīng)該對場景做出何種反應(yīng)。這將大大的加快動畫的制作，將場景中大量重復(fù)的，需要實時運算的動作通過這套系統(tǒng)自動完成，并且達到可以與場景變化交互的效果。
下載視頻
DeepMotion Neuron是該公司用于培訓(xùn)數(shù)字角色運動技能的新型云應(yīng)用程序，利用尖端的AI和物理模擬技術(shù)創(chuàng)建逼真的，響應(yīng)迅速的演員，如新的SIGGRAPH論文所示。
加利福尼亞州紅木城 – 2018年8月8日 – 運動智能領(lǐng)域的先驅(qū)DeepMotion今天宣布，DeepMotion Neuron是第一款完全程序化的物理角色動畫工具，已經(jīng)推出預(yù)售版。突破性的云應(yīng)用程序使用先進的AI，物理和深度學(xué)習(xí)訓(xùn)練數(shù)字角色來開發(fā)物理智能。通過指導(dǎo)和實踐，數(shù)字角色現(xiàn)在可以像人類一樣實現(xiàn)自適應(yīng)電機控制，允許動畫師和開發(fā)人員創(chuàng)建比使用傳統(tǒng)方法更加逼真和反應(yīng)靈敏的動畫。
下載視頻
DeepMotion Neuron是一個行為即服務(wù)平臺，供開發(fā)人員上傳和訓(xùn)練他們自己的3D角色 – 從在線圖書館提供的數(shù)百種互動動作中進行選擇。通過在游戲和體驗中添加響應(yīng)式角色，Neuron將使內(nèi)容創(chuàng)作者能夠講述更多令人身臨其境的故事。此外，通過自動處理大部分技術(shù)動畫，該服務(wù)將為藝術(shù)家騰出時間專注于富有表現(xiàn)力的細(xì)節(jié)而不是復(fù)雜的技術(shù)本身。
“DeepMotion Neuron旨在幫助開發(fā)人員通過使高真實的，交互式模擬和易于使用的流程來縮小現(xiàn)實與數(shù)字表示之間的差距，”DeepMotion首席執(zhí)行官Kevin He表示。 “通過授予角色真實的動作智能，我們相信我們可以大大減少50年來困擾我們這些娛樂行業(yè)的’巨大鴻溝’。”
下載視頻
DeepMotion Neuron的核心技術(shù)建立在DeepMotion和卡內(nèi)基梅隆大學(xué)科學(xué)家在SIGGRAPH 2018年發(fā)表的研究論文中揭示的最先進技術(shù)的基礎(chǔ)上。本文將強化學(xué)習(xí)應(yīng)用于越來越多的體育模擬領(lǐng)域，特別是籃球，現(xiàn)實世界的人體運動智能處于巔峰狀態(tài)。經(jīng)過培訓(xùn)和優(yōu)化，研究人員的角色能夠在實時模擬中執(zhí)行交互式控球技巧。用于教授數(shù)字演員如何運球的相同技術(shù)可以應(yīng)用于使用Neuron的任何物理運動。
下載視頻
SIGGRAPH 2018的DeepMotion
DeepMotion首席科學(xué)家劉立彬博士在2018年的會議上與同事和CMU教授Jessica Hodgins博士一起發(fā)表了他的第8篇SIGGRAPH論文。他們的論文“學(xué)習(xí)籃球運球技巧使用軌跡優(yōu)化和深度強化學(xué)習(xí)”標(biāo)志著角色控制系統(tǒng)的突破，可以在實時模擬過程中處理物體，同時進行上半身運動和下半身運動。在此處了解有關(guān)SIGGRAPH 2018的更多信息。
關(guān)于DeepMotion
DeepMotion是新興運動智能領(lǐng)域的先驅(qū)。我們正在使用物理模擬和人工智能構(gòu)建逼真圖形的工具。我們的使命是通過革新實時的程序化動畫來實現(xiàn)交互式內(nèi)容并擴展創(chuàng)作能力。 DeepMotion的基于云的服務(wù)允許任何人訓(xùn)練數(shù)字演員響應(yīng)動作技能，如跑酷，舞蹈，田徑，武術(shù)等。在暴雪，皮克斯，迪士尼，ROBLOX，微軟，育碧，斯坦福，CMU和清華的成員的帶領(lǐng)下，我們利用該領(lǐng)域數(shù)十年的經(jīng)驗幫助個人和團隊為AR，VR，游戲，電影創(chuàng)作更好的內(nèi)容和虛擬角色機器人。
DeepMotion Neuron的云平臺計劃于2018年第四季度發(fā)布。