CALM: Conditional Adversarial Latent Models for Directable Virtual Characters

Chen Tessler, Yoni Kasten, Yunrong Guo, Shie Mannor, Gal Chechik, Xue Bin Peng

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

In this work, we present Conditional Adversarial Latent Models (CALM), an approach for generating diverse and directable behaviors for user-controlled interactive virtual characters. Using imitation learning, CALM learns a representation of movement that captures the complexity and diversity of human motion, and enables direct control over character movements. The approach jointly learns a control policy and a motion encoder that reconstructs key characteristics of a given motion without merely replicating it. The results show that CALM learns a semantic motion representation, enabling control over the generated motions and style-conditioning for higher-level task training. Once trained, the character can be controlled using intuitive interfaces, akin to those found in video games.

שפה מקוריתאנגלית
כותר פרסום המארחProceedings - SIGGRAPH 2023 Conference Papers
עורכיםStephen N. Spencer
מסת"ב (אלקטרוני)9798400701597
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 23 יולי 2023
אירוע2023 Special Interest Group on Computer Graphics and Interactive Techniques Conference, SIGGRAPH 2023 - Los Angeles, ארצות הברית
משך הזמן: 6 אוג׳ 202310 אוג׳ 2023

סדרות פרסומים

שםProceedings - SIGGRAPH 2023 Conference Papers

כנס

כנס2023 Special Interest Group on Computer Graphics and Interactive Techniques Conference, SIGGRAPH 2023
מדינה/אזורארצות הברית
עירLos Angeles
תקופה6/08/2310/08/23

ASJC Scopus subject areas

  • ???subjectarea.asjc.1700.1712???
  • ???subjectarea.asjc.1700.1707???
  • ???subjectarea.asjc.1700.1704???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'CALM: Conditional Adversarial Latent Models for Directable Virtual Characters'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי