在人工智能领域，生成高质量、风格化的动作数据集一直是研究人员和开发者关注的焦点。近年来，随着AI技术的飞速发展，对于这类数据集的需求日益增长。然而，现有的动作数据集往往存在动作数量有限、风格单一化的问题，这极大地限制了研究工作的深度与广度。为了解决这一问题，有国内的团队独立制作并开源了一个全新的、精心标注的风格化战斗动作数据集——CombatMotion Dataset（简称"CM数据集"）。
在过去，描述一个战斗动作是非常困难且模糊的工作，这在模型训练和自动化生成中会导致语义理解方面的不一致性。为了克服这一困难，制作团队通过规范标准，划分出八大类战斗动作描述维度，并通过逐类建立丰富词库的方式，提高了标注效率和一致性。
在研究过程中，制作团队发现了一种名为MotionGPT（简称"MGPT"）的框架，它在语义理解和一致性方面表现出色。基于这个框架和CM数据集，作者团队成功地训练出了一个能够生成高质量战斗动作的文本-动作模型——AnimationGPT（简称"AGPT"）。这个模型可以生成符合输入文本描述的战斗动作，同时还具有高度的多样性和合理性。
为了让这个模型在实际应用中发挥更大的作用，制作团队还撰写了基于Maya的动作重定向脚本，将学术界常用的SMPL骨骼转换为工业界广泛使用的BVH格式。这样一来，生成的动作可以在各种游戏引擎和影视制作软件中使用。
总之，该团队完成了一项具有重要意义的工作，他们不仅提供了一个高质量的动作数据集，还开发出了一套实用的动作生成模型。这将有助于推动人工智能技术在动作生成领域的实用化和普及化，为游戏开发、影视制作等领域带来更多的创新和可能性。这项工作不仅丰富了动作数据集的多样性，还为研究人员和开发者提供了一个强大的工具，使他们能够更深入地探索和实现动作生成技术的潜力。
项目详细技术介绍文章：https://zhuanlan.zhihu.com/p/691984079
项目开源仓库地址：https://github.com/fyyakaxyy/animationGPT
B站介绍视频：https://www.bilibili.com/video/BV1yt421j7nR
没有评论:
发表评论