將空間-時間連續性之輻射狀基底函數應用於角色動作壓縮之研究

Abstract

近十年由於電腦圖學相關技術的高度發展，越來越多的虛擬的角色被運用各式各樣不同的應用當中。為了使這些虛擬角色能表現各式各樣具意義的動作，專業的動作捕捉系統便因應而生。動作捕捉系統擷取由真人所表演的動作，而相關的應用程式便可以利用這些動作資料來驅使形形色色的虛擬角色。然而，為了表現動作的多樣性，我們往往需要準備大量的角色動作資料來豐富整個動作資料庫，所以如何有效壓縮動作資料變成為近年來極具有挑戰性的研究主題。 根據觀察，我們可以輕易發現一般的動作往往具有大量冗餘資料。舉例來說，動作由某一時間點轉移到下一個時間點的變化可能十分有限。又譬如某一段時間內，左手臂及右手臂揮舞的方式可能是對稱的。這種情況我們稱此動作具有某種連貫性 (coherence)。因此只要我們能找出動作內的連貫性，我們就有機會抿除冗餘的資料，也就是說，原始的資料以一個較緊實的方式保存下來。 為了能有效運用在空間域及時間域的連貫性，我們將動作資料切割成許多段不同的子動作，對於每一串子動作，我們提出一個簡單有效的方式將具有高度關連性的關節點軌跡排列在一起形成一平滑曲面，最後我們採用一個多維的幅狀基底函數同時在時間域與空間域近似原始的資料，利用遠少於原始資料數量的取樣點所構成的函數來表示動作資料。 我們相信此種演算法具高度實用價值，同時由於此演算法被設計成一個有彈性的壓縮元件，任何未來的研究人員可以將此元件與其他壓縮元件做耦合以求更急遽成長的壓縮倍率。

In this thesis, we present a space-time compression method for body animation. To extract significant features and reduce redundancy, we utilize both spatial and temporal coherence in motion data. The basic concept of this thesis is fitting the motion trajectories by specific functions. In order to utilize coherence effectively, we segment the original motion into several sub-clip by incremental principal component analysis. For each sub-clip, we propose an easy and effective method to group several joints with similar trajectories. Finally, we use a modified radial basis functions to approximate these surfaces in temporal and spatial domain simultaneously. We believe such an approach is a feasible compression technique for common body animation.