68 28

Full metadata record

DC FieldValueLanguage
dc.contributor.author이윤상-
dc.date.accessioned2022-02-11T05:04:00Z-
dc.date.available2022-02-11T05:04:00Z-
dc.date.issued2020-06-
dc.identifier.citation한국컴퓨터그래픽스학회 논문지, v. 26, no. 2, page. 11-19en_US
dc.identifier.issn1975-7883-
dc.identifier.issn2383-529X-
dc.identifier.urihttp://journal.cg-korea.org/archive/view_article?pid=jkcgs-26-2-11-
dc.identifier.urihttps://repository.hanyang.ac.kr/handle/20.500.11754/167295-
dc.description.abstract캐릭터의 자세가 변할 때 마다 캐릭터의 무게 중심(COM) 위치도 변하게 된다. 이 때 무게 중심의 위치 변화는 걷기, 뛰기, 쭈그려 앉기 등 다양한 동작 각각에 대응되는 독자적인 패턴을 가지므로 이를 이용하면 원래 동작의 정보를 알아낼 수 있다. 본논문에서는캐릭터의무게중심의위치변화를토대로동작을예측하는모션생성기법을제안한다. 이 방법을 이용하면 무게중심 정보를 통해 원래 동작의 유형에 대한 별도의 label 없이도 다양한 동작을 생성할 수 있다. 그러므로 네트워크의 학습 및실행을 위한 데이터셋을 만들 때 사람의 손을 거칠 필요 없이 전처리를 비롯한 모든 과정을 자동으로 진행할 수 있다. 본 논문에서 제안하는 신경망 모델은 캐릭터의 모션 history 정보와 무게 중심 정보들을 입력 받아 현재 프레임에서의 포즈 정보를출력하며, 연속적인 시계열 모션 데이터를 다루기 위해 1D Convolution을 수행하는 Convolutional Neural Network(CNN)를사용하여 학습되었다. When a character’s pose changes, its center of mass(COM) also changes. The change of COM has distinctive patterns corresponding to various motion types like walking, running or sitting. Thus the motion type can be predicted by using COM movement. We propose a motion generator that uses character’s center of mass information. This generator can generate various motions without annotated action type labels. Thus dataset for training and running can be generated full-automatically. Our neural network model takes the motion history of the character and its center of mass information as inputs and generates a full-body pose for the current frame, and is trained using simple Convolutional Neural Network(CNN) that performs 1D convolution to deal with time-series motion data.en_US
dc.description.sponsorship본 연구는 과학기술정보통신부 및 정보통신기획평가원의 SW 중심대학지원사업의 연구결과로 수행되었으며 (2016-0-00023), 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원 을 받아 수행된 연구임 (No. 2019R1C1C1006778, NRF2019R1A4A1029800).en_US
dc.language.isoko_KRen_US
dc.publisher(사)한국컴퓨터그래픽스학회en_US
dc.subject무게 중심en_US
dc.subject캐릭터 애니메이션en_US
dc.subjectCenter of massen_US
dc.subjectConvolutional Neural Network(CNN)en_US
dc.subjectCharacter animationen_US
dc.title무게중심을 활용한 모션 생성 기술en_US
dc.title.alternativeMotion generation using Center of Massen_US
dc.typeArticleen_US
dc.relation.no2-
dc.relation.volume26-
dc.identifier.doi10.15701/kcgs.2020.26.2.11-
dc.relation.page11-19-
dc.relation.journal한국컴퓨터그래픽스학회논문지-
dc.contributor.googleauthor박근태-
dc.contributor.googleauthor손채준-
dc.contributor.googleauthor이윤상-
dc.contributor.googleauthorPark, Geuntae-
dc.contributor.googleauthorSohn, Chae Jun-
dc.contributor.googleauthorLee, Yoonsang-
dc.relation.code2020040808-
dc.sector.campusS-
dc.sector.daehakCOLLEGE OF ENGINEERING[S]-
dc.sector.departmentSCHOOL OF COMPUTER SCIENCE-
dc.identifier.pidyoonsanglee-
dc.identifier.orcidhttps://orcid.org/0000-0002-0579-5987-


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE