GANimator,这是一种生成模型,可以学习从单个短运动序列合成新颖的运动。GANimator 生成类似于原始动作核心元素的动作,同时合成新颖且多样化的动作。它还支持多种应用程序,包括人群模拟、关键帧编辑、风格转换和交互式控制等各种骨骼结构,例如两足动物、四足动物、六足动物等,所有这些都来自单个输入序列。
受到 SinGAN 的启发 [Rott Shaham 等人。al, 2019],GANimator 利用多个尺度和时间的单个运动序列中包含的信息。我们使用多尺度分层生成神经网络,其中每个级别负责学习不同分辨率下时间块的分布。
我们的框架包含一系列基于 Aberman 等人的骨架感知算子构建的生成式和对抗性神经网络。[2020],每个负责以特定帧速率生成运动。该框架逐步学习从随机噪声中合成运动,从而能够跨不同细节级别对生成的运动内容进行分层控制。
A motion generation model learned from a single example