论文介绍
针对任意两段骨骼动画片段,，人体动作过渡插值技术能够生成对应的过渡帧衔接动画，广泛应用于游戏、虚拟现实、增强现实等领域。本文提出了一种数据驱动的动作插值方法，能够插值任意两段骨骼动画而无需额外的控制信号输入。我们提出了一种新的基于深度学习的网络, 称为"深度动作插值网络" (Deep Motion Interpolation Network / DMIN)。本文的方法从真实的动作捕捉数据中学习动作插值的模式，能够获取到人体动作的"速度，节奏 (rhythm)"等语义信息，并生成更加自然的过渡动画。我们的"序列到序列"的结构可以在一次前向传播过程内同时插值所有过渡帧，代替了自回归迭代的方式，从而缩短了插值时间，提高了计算效率。定性与定量实验表明，我们的方法取得了更优、更自然的插值效果。
论文地址
https://onlinelibrary.wiley.com/doi/abs/10.1002/cav.2003
