When motion capture data is applied to virtual characters, the applied motion often exhibits geometric and physical errors, which necessitates a cumbersome refinement process. This paper present a novel framework to efficiently obtain a corrected motion as well as its supporting contact information from multi-contact motion capture data. To this end, first, we present a projective dynamics-based method for optimizing character motions. By carefully defining objective functions and constraints using differential representation of motions, we develop a highly efficient motion optimizer that can create geometrically and dynamically adjusted motions given reference motion data and contact information. Second, we develop a contact optimizer that finds a set of contacts that allows the motion optimizer to generate a motion that best follows the reference motion under dynamic and geometric constraints. This is achieved by iteratively improving the hypothesis on the best set of contacts by getting feedback from the motion optimizer. We demonstrate that our method significantly improves the naturalness of a wide range of motion capture data, from walking to rolling.
사람의 행동 데이타가 실제 사람과 다른 가상 캐릭터에 수정없이 그대로 적용된다면 그 캐릭터가 보여주는 행동은 물리적으로 옳지 않으며 형태적으로도 정확한 의미를 보존하지 못할 것이다. 이러한 점은 그 데이타를 사용하기 위해서 노동 집약적인 후처리 작업이 필요하게 만든다. 더욱이 다 접촉을 포함한 데이타는 녹화 당시의 잡음이 데이타의 정확성을 더욱 떨어뜨리게 된다. 따라서, 본 논문에서는 다 접촉 모션 데이타에서 접촉 정보를 추론하여 모션을 기하, 물리적으로 보정하는 방법을 제안한다. 이를 위해, 기하와 물리 조건을 포함한 제약 공간 투영 방법을 이용한 캐릭터 모션 수정 방법을 사용하였다. 이 방법 위에서 설계된 제약 조건과 목적 함수는 주어진 사람 행동 데이타를 주어진 접촉 조건에 맞도록 데이타를 수정할 수 있다. 그 후에, 접촉점 예측기는 주어진 행동 데이타를 가장 잘 표현할 수 있는 접촉점의 집합을 제안한다. 여기서 제안된 접촉 점은 모션 수정 방법을 통해 검증하고 이 과정은 반복적으로 수행되어 최적의 접촉점과 모션 데이타를 출력한다. 이 방법의 정확성과 효율성을 다양한 다 접촉 모션을 통해 검증하였다.
