半监督角色动画风格迁移

作     者：郑瑞坤 刘耿欣 胡瑞珍 

作者机构：深圳大学可视计算研究中心 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61872250) 广东省自然科学基金(2021B1515020085) 

主　　题：动画风格迁移 图卷积神经网络 角色动画 深度学习 

摘      要：针对有监督动画风格迁移方法对未知内容泛化性差,以及无监督方法生成动画风格不一致且不自然的问题,提出一种半监督动画风格迁移方法.所提方法使用2个编码器分别从内容动画和风格动画中提取内容和风格特征,并使用解码器进行特征融合和动画生成;为提升泛化性,使用大规模无标签动画扩充内容动画数据集,并用内容保留损失与末端执行器损失使生成结果与输入内容动画相似;为保持风格一致性,将生成结果重新输入风格编码器提取风格特征,并计算与原风格和另一其他风格特征之间的三元组损失.在2个公开数据集BFA和CMU上与Motion Puzzle等方法对比,所提方法生成动画的MID值与用户调研结果均得到明显提升.