运动合成装置和运动合成方法制造方法及图纸

一种运动合成方法，包括：由运动合成装置根据内容运动数据和类型运动数据来获得内容特征值和类型特征值；由运动合成装置利用获得的内容特征值和类型特征值来生成目标特征值；由运动合成装置识别合成运动数据，并从所识别的合成运动数据中获得合成运动特征值；以及，由运动合成装置利用合成运动特征值和目标特征值获得损耗，并根据获得的损耗对合成运动数据进行更新。

Motion synthesis device and method

【技术实现步骤摘要】
运动合成装置和运动合成方法
本公开的一个或多个实施例涉及一种运动合成装置和运动合成方法，更具体地涉及一种使用目标特征值和合成运动特征值来获得损耗并且根据所获得的损耗来更新合成运动数据的运动合成装置和运动合成方法。
技术介绍
机器学习是指从模式识别和计算机学习理论的研究发展而来的人工智能领域，以及用于开发使计算机能够学习的算法和技术的领域。机器学习是一种研究和构建如下这种系统的技术，该系统通过基于经验数据和系统算法的学习和预测来改进其自身的性能。机器学习算法不执行严格定义的静态程序命令，而是采取构建特定模型的方式以基于输入数据导出预测或决策。机器学习的核心是表征和泛化。表征是指对数据的评估，泛化是指对尚不清楚的数据的处理。这也是计算学习理论的领域。深度学习被定义为通过各种非线性转换技术的组合来尝试高级抽象的一组机器学习算法的集合，并且在很大程度上可以说是一种教导了计算机人们是如何思考的机器学习领域。为了以计算机能够理解且能将其应用于学习的形式表征数据，已经进行了许多研究，并且作为这些努力的结果，已经将诸如深度神经网本文档来自技高网...

【技术保护点】
1.一种运动合成方法，包括：/n由运动合成装置根据内容运动数据和类型运动数据来获得内容特征值和类型特征值；/n由所述运动合成装置利用获得的所述内容特征值和所述类型特征值来生成目标特征值；/n由所述运动合成装置识别合成运动数据，并从所识别的所述合成运动数据中获得合成运动特征值；以及/n由所述运动合成装置利用所述合成运动特征值和所述目标特征值来获得损耗，并根据获得的所述损耗更新所述合成运动数据。/n

【技术特征摘要】
20180730 KR 10-2018-00886211.一种运动合成方法，包括：
由运动合成装置根据内容运动数据和类型运动数据来获得内容特征值和类型特征值；
由所述运动合成装置利用获得的所述内容特征值和所述类型特征值来生成目标特征值；
由所述运动合成装置识别合成运动数据，并从所识别的所述合成运动数据中获得合成运动特征值；以及
由所述运动合成装置利用所述合成运动特征值和所述目标特征值来获得损耗，并根据获得的所述损耗更新所述合成运动数据。


2.根据权利要求1所述的运动合成方法，其中，更新所述合成运动数据包括：
使用反向传播算法直到所述合成运动特征值与所述目标特征值相匹配。


3.根据权利要求1所述的运动合成方法，其中，所述运动合成装置使用未经训练的卷积神经网络来获得特征值。


4.根据权利要求1所述的运动合成方法，其中，所述内容运动数据和所述类型运动数据是动画数据。


5.根据权利要求1所述的运动合成方法，其中，所述内容运动数据和所述类型运动数据包括关于骨的信息。


6.根据权利要求1所述的运动合成方法，进一步包括：
使用所述类型特征值获得类型损耗，并且将权重...

【专利技术属性】
技术研发人员：权柄准，柳文元，张汉镕，
申请(专利权)人：恩希软件株式会社，
类型：发明
国别省市：韩国;KR