30、基于逆向混合的运动参数化

基于逆向混合的运动参数化

1. 引言

在诸如3D电脑游戏和虚拟现实系统等交互式应用中，关键帧动画和动作捕捉是实现高质量角色动画的常用方法。其中，运动混合技术能根据高级特征对预定义的示例动画进行参数化插值。不过，直接的运动混合虽能快速生成逼真动作，但难以精确满足通用空间约束。

本文提出的优化方法，能在可能的情况下解决空间约束问题，且通常只需较少的示例动作就能覆盖感兴趣的空间变化。该方法将每个空间约束建模为一个目标函数，通过优化混合权重来最小化误差，直至达到局部最优解。此方法无需对基函数进行预计算，能在数毫秒内找到解决方案，适合交互式应用。

本文将在指向物体、倒水和角色移动这三种场景中展示该方法的应用。不同场景下，逆向混合的空间约束建模方式不同。这一交互式运动建模框架能让动画师根据手工设计或动作捕捉设备收集的示例，轻松构建逼真的参数化类人动作。

2. 相关工作

运动插值有多种方法，包括使用傅里叶系数进行参数化、分层滤波、随机采样以及基于径向基函数（RBFs）的插值。本文的运动混合框架与扩展的动词 - 副词系统密切相关，该系统通过RBF插值解决逆运动学（IK）问题。RBFs能平滑插值给定的运动示例，并优化基函数的类型和形状，以更好地满足手部到达指定位置的约束。

地统计插值方法能很好地处理脚部滑动或手部放置等空间属性，它根据统计观察计算最优插值核。还有一种方法是自适应添加伪示例，以更好地覆盖约束的连续空间，但这种随机采样方法需要大量计算和存储，且不适合处理多个约束。

以往方法通常将空间约束作为运动混合技术的一部分来处理，即选择接近所需约束的样本动作，然后使用抽象插值空间获得满足约束的运动变化。也有方法会在