通过机器学习,自动生成游戏角色!真的太智能了

2020-09-05 20:54  你好王晓

游戏角色定制是最近许多角色扮演游戏的核心功能之一,玩家可以根据自己的喜好编辑游戏中角色的外观。本文研究了一张照片自动生成游戏角色的问题。在最近的研究中,神经网络被引入游戏引擎,而自监督学习被用来预测面部定制参数。然而,在以往的方法中,表情参数和人脸识别参数之间存在着高度耦合,难以对人物的内在面部特征进行建模。另外,以往的基于神经网络的渲染方法也很难推广到多视点渲染的情况。

通过机器学习,自动生成游戏角色!真的太智能了

图1:大多数游戏引擎所做的那样,本文首先将面部参数(id、表情和位置)转换为骨骼驱动的人脸模型。然后将模

本文针对以上问题,提出了一种新的无表情的游戏角色自动生成方法“扑克GAN”。作者首先构建了一个可微字符渲染器,它在多视图渲染中比以前的方法更加灵活。然后利用对抗性训练,有效地将表情参数与身份参数分离,从而生成玩家偏好的中性脸(无表情)角色。由于我们的方法的所有组成部分都是可拆分的,论文的方法可以很容易地在多任务自监督学习范式下训练。实验结果表明,该方法能够生成与输入照片高度相似的生动中性人脸游戏角色。通过对比结果验证了该方法的有效性。

通过机器学习,自动生成游戏角色!真的太智能了

图1:提出了一种基于单张人脸照片的人脸游戏角色自动生成方法。我们的方法可以有效地分离字符的表达和身份

游戏角色是角色扮演游戏的核心。为了提高玩家的沉浸感,面部定制系统得到了显著的发展,并且变得越来越复杂。因此,玩家有时需要花费数小时手动调整数百个参数以创建所需的人脸(例如电影明星)。近年来,游戏角色的自动生成正成为计算机视觉和图形学中一个新兴的研究方向。许多游戏引入了人工智能,可以根据单个或多个2D照片创建3D游戏角色。作为一种典型的多媒体应用,这些人工智能因其具有丰富的趣味性和交互性而受到玩家的青睐。

通过机器学习,自动生成游戏角色!真的太智能了

目前,自动生成三维人脸的方法有两大类,第一类是基于三维变形模型(3DMM)的方法,第二类是人脸到参数转换(F2P)。在过去的二十年里,基于3DMM的方法得到了长足的发展。这组方法通常处理基于参数化线性人脸模型的生成,现在可以从单个或多个输入照片在虚拟现实环境中生成高保真的人脸。

分享到微信朋友圈 ×
打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。
×

本网页已闲置过久,点击关闭或空白处,即可回到网页