Synthèse de mouvements humains par des méthodes basées apprentissage : un état de l'art

Pamela Carreno-Medrano (1) , Sylvie Gibet (1) , Pierre-François Marteau (1)

1 SEASIDE - SEarch, Analyze, Synthesize and Interact with Data Ecosystems

En raison du nombre croissant d'applications graphiques, la génération de personnages se comportant comme des humains est devenue un sujet de recherche important. Différentes approches ont été proposées, celles combinant les données de capture de mouvement et des méthodes d'apprentissage automatique étant la tendance dominante des dernières années. Malgré les bons résultats obtenus par ces approches, à notre connaissance, il n'existe pas à l'heure actuelle de document de synthèse sur les méthodes basées apprentissage qui présentent le problème de la réutilisation et de la généralisation des données de capture de mouvement. Dans cet article, nous présentons un état de l'art des méthodes les plus couramment utilisées pour la synthèse de mouvements cinématiques du corps complet. Nous présentons les principes et les idées sous-jacentes à chacune d'elles, ainsi que le type de représentation et les étapes de pré-traitement appliqué sur les données de capture de mouvement avant apprentissage.

Mots clés: animation basée données; apprentissage artificiel; synthèse du mouvement humain.; synthèse du mouvement humain

Domaines: Synthèse d'image et réalité virtuelle [cs.GR]; Apprentissage [cs.LG]; Multimédia [cs.MM]

Pamela Carreno-Medrano, Sylvie Gibet, Pierre-François Marteau. Synthèse de mouvements humains par des méthodes basées apprentissage : un état de l'art. AFIG 2013, Nov 2013, Limoges, France. ⟨hal-00913056⟩