Construction of animation models out of captured data

本文详细介绍了如何使用RBF近似和PCA降维从捕获的动作和骨架数据中构建参数模型。通过定义{p,M}

[source] ICME

[year] 2002

从捕获动作和骨架数据中构建参数模型

 

此文思路实际上是比较简单的,核心在于RBF近似。

先定义{p,M}对,其中p好像任意扯的…什么身高、年龄的,定义别的也可以啊;M就是对应的动作数据了。

有了一堆{p,M},用高斯作kernel,确定下参数。

 

几个注意的地方,

1. 旋转,从四元数转换到Euclidean Representation,用的是 tagent space interpolation, polar form: exp(\theta \hat n) = (sin(\theta /2) \hat n, cos(\theta/2)) 于是对其log

2.PCA对M降维

3.迭代的确定RBF参数 (常规方法是解一线性方程)

转载于:https://www.cnblogs.com/justin_s/archive/2011/05/30/2063094.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值