论文部分内容阅读
随着三维计算机动画电影成为一种现代的娱乐方式。对于动画电影中人物表情的要求也随之提高,如何做到逼真生动,符合人们日常的认知审美要求,是动画导演所要解决的一个重要问题。但是由于人脸结构的复杂性,它也成为最困难的最具挑战性的问题之一。先前的工作已经有将表情动画嵌入到动画系统中,因此将动画导演的专家知识转移到该系统,从而使得产生虚拟表情成为可能。本文就在这个基础上来研究探讨如何训练动画电影中虚拟人物表情这一新的课题。TSK模糊神经网络融合了TSK模糊逻辑系统适用于直接的知识表达和逻辑推理,善于利用专家知识和人工神经网络的内在并行处理能力、自适应学习的优点,故将其作为建模的模型。根据动画导演的专家知识产生专家模糊规则,然后得出相对应的实验用训练样本。同时考虑到样本集的复杂性,传统的BP算法无法达到训练TSK模糊神经网络的目的,故在本文中采用了进化算法中的粒子群优化算法和遗传算法,实验结果也表明PSO算法和GA算法的有效性,在训练过程中避免了BP算法陷入局部最优,无法达到训练的效果的缺点,利用了进化算法全局优化的这个优点,实验结果显示进化算法能在保证精度的前提下快速收敛,并能避免陷入局部最优,从而达到的训练建模的目的。但是在训练过程中由于一味追求逼近专家规则,也有可能存在某个导演的专家知识无法满足特定环境下的实际要求,故在进化计算(EC)过程中采用人机交互,称之为交互式进化计算(IEC)。IEC融合了EC的全局收敛能力和人的主观判断,在全局收敛过程中加入了人的主观判断。实验结果表明,当使用该算法应用于训练虚拟人物表情这一问题时,发现比传统的进化计算(EC)具有更快的收敛速度,同时通过人的主观判断选择进化方向,使得表情输出更加符合用户的需要。从而使得不同的动画导演利用这个系统,能够根据自己的知识产生出符合自己要求的虚拟表情输出。