Возможность точного и реалистичного воспроизведения человеческих движений открывает широкие перспективы в различных областях. Она позволяет разработчикам создавать более реалистичных персонажей в видеоиграх и анимационных фильмах, повышает уровень погружения в виртуальной реальности и улучшает качество обучающих материалов в таких сферах, как медицина, спорт и реагирование на чрезвычайные ситуации. Исследователи из Пекина разработали новые модели ИИ, упрощающие процесс синтеза движений для цифровых персонажей и аватаров.
Новый метод увеличения данных MotionCutMix с диффузионной моделью MotionReFit. Поскольку существующие методы генерации движений часто не позволяют эффективно редактировать уже созданные движения, исследователи поставили перед собой цель — разработать систему, которая могла бы редактировать любое движение человека с помощью простых текстовых команд, без необходимости детальных описаний задач или обозначений частей тела. Разработанный метод MotionCutMix позволяет выбирать отдельные части тела из различных последовательностей движений и комбинировать их для создания новых, более разнообразных движений.
При этом плавные переходы между частями тела обеспечивают реалистичность и естественность анимации. В отличие от традиционных методов, которые полагаются на фиксированные наборы данных, MotionCutMix генерирует новые обучающие примеры в режиме реального времени, что позволяет использовать более обширные библиотеки данных о движениях без необходимости ручной аннотации. Таким образом, MotionCutMix требует значительно меньше размеченных примеров для достижения высоких результатов, потенциально генерируя миллионы вариантов обучения на основе ограниченного набора размеченных данных.
Ранее мы писали, как ИИ-алгоритмы переписывают правила футбола в 2025 году.