劉春林 張燕

摘?要：

在計算機圖形學(xué)中，角色運動重定向技術(shù)對于骨骼動畫的廣泛應(yīng)用具有重要意義。為了便于人們了解已有的三維角色運動重定向研究成果并引發(fā)進(jìn)一步的研究，文章首先簡要介紹了骨骼動畫技術(shù)與運動重定向；其次回顧了已有的運動重定向技術(shù)，并將其歸納為3類方法，通過對每一類方法進(jìn)行分析，得出了現(xiàn)有研究在非人形角色和拓?fù)洚悩?gòu)角色之間的運動重定向還很薄弱的結(jié)論；最后針對目前研究中存在的問題，展望了未來研究工作的主要方向。

關(guān)鍵詞：三維角色；骨骼動畫；運動重定向

中圖分類號：TP391??文獻(xiàn)標(biāo)志碼：A

0?引言（Introduction）

骨骼動畫是應(yīng)用最廣泛的角色動畫表示方式，在視頻游戲、虛擬現(xiàn)實及動畫電影等作品中都有廣泛應(yīng)用。但是，骨骼動畫的動作與骨架具有強耦合關(guān)系，一個動作通常只能在一個骨架上播放，導(dǎo)致許多重復(fù)的動畫制作勞動，而運動重定向（Motion?Retargeting）則可以很好地解決這一問題。運動重定向是一種將骨骼動畫從原骨架遷移到另一個不同骨架的技術(shù)。為了驅(qū)動不同的角色，設(shè)計人員常常需要構(gòu)建各部分比例不同的骨骼，有時甚至是拓?fù)浣Y(jié)構(gòu)也不同的骨骼。運動重定向是計算機圖形學(xué)中一個重要的研究課題，目前已經(jīng)取得了豐碩的成果，但仍然存在許多問題尚待解決。為了便于人們了解該領(lǐng)域已有的研究成果并引發(fā)進(jìn)一步的研究，本文總結(jié)了主要的角色運動重定向研究成果，并分析了現(xiàn)有研究存在的問題，提出了未來的研究方向。

1?骨骼動畫（Skeletal?animation）

在現(xiàn)有的文獻(xiàn)中，骨骼動畫技術(shù)最早可追溯到Magnenat＼|Thalmann等在1989年的一項研究。該技術(shù)通過將三維模型表面網(wǎng)格的頂點關(guān)聯(lián)到骨架結(jié)構(gòu)，借助骨架的運動驅(qū)動網(wǎng)格的變形，從而實現(xiàn)模型的動畫效果。一個帶骨骼的動畫角色模型至少包括3個要素（圖1）：（1）表示角色形狀的表面網(wǎng)格（Mesh）；（2）骨架（Skeleton）以及表示骨架和表面網(wǎng)格頂點關(guān)聯(lián)信息的蒙皮（Skin）；（3）基于骨架的運動序列（Motion），其中，骨架的運動序列即骨骼動畫。

骨架由模型中的一系列關(guān)節(jié)組成，這些關(guān)節(jié)相互連接形成一棵樹，樹的節(jié)點即關(guān)節(jié)，樹的邊即骨骼，樹的根節(jié)點即根關(guān)節(jié)，一般取靠近角色中心的關(guān)節(jié)作為根關(guān)節(jié)。骨架的每個關(guān)節(jié)具有位置、朝向和縮放等幾何屬性，所以它定義了一個局部坐標(biāo)系。除根關(guān)節(jié)外，其他關(guān)節(jié)定義在其父關(guān)節(jié)的局部坐標(biāo)系中，會隨著其父關(guān)節(jié)的運動而運動。一個關(guān)節(jié)的全局位置和朝向是由其自身的局部位置和朝向及其所有祖先關(guān)節(jié)的局部位置和朝向共同決定的，由一個關(guān)節(jié)及其所有祖先關(guān)節(jié)的局部位置和朝向計算其全局位置和朝向的過程即正向運動學(xué)（Forward?Kinematics）；反之，由一個關(guān)節(jié)的全局位置決定其自身及其所有祖先關(guān)節(jié)的局部位置和朝向的過程即反向運動學(xué)（Inverse?Forward?Kinematics）。

骨骼模型中，骨架是不可見的，可見的部分是皮膚。皮膚與普通網(wǎng)格模型的區(qū)別在于它需要隨著骨架的關(guān)節(jié)運動而運動，所以需要與骨架的關(guān)節(jié)建立關(guān)聯(lián)關(guān)系，這是通過皮膚的頂點實現(xiàn)的。皮膚的頂點除了具有位置、法線、紋理坐標(biāo)等普通網(wǎng)格模型的頂點具有的屬性，還需要存儲與其關(guān)聯(lián)的關(guān)節(jié)及關(guān)聯(lián)的權(quán)重。與一個頂點關(guān)聯(lián)的關(guān)節(jié)可以不止一個，但與所有關(guān)聯(lián)關(guān)節(jié)的關(guān)聯(lián)權(quán)重之和為1。為網(wǎng)格模型的所有頂點指定關(guān)聯(lián)關(guān)節(jié)和關(guān)聯(lián)權(quán)重的過程即蒙皮（Skinning），在三維建模軟件中有專門的工具完成此過程。

2?運動重定向（Motion?retargeting）

將運動重定向技術(shù)按照源動畫和目標(biāo)動畫表演者之間的差異分為以下3類：拓?fù)湎嗤\動重定向、拓?fù)洚悩?gòu)運動重定向、計算機木偶動畫。

2.1?拓?fù)湎嗤\動重定向

拓?fù)湎嗤\動重定向是針對骨架拓?fù)浣Y(jié)構(gòu)相同但各部分比例可能不同的角色間的運動重定向。由于拓?fù)浣Y(jié)構(gòu)相同，所以此類方法隱含的假設(shè)源骨架中每個關(guān)節(jié)到目標(biāo)骨架中每個關(guān)節(jié)的一一對應(yīng)關(guān)系是已知的，從而源骨架每個關(guān)節(jié)的動畫軌跡可以直接拷貝到目標(biāo)骨架對應(yīng)的關(guān)節(jié)，它們要解決的主要問題是由骨架各部分大小比例的不同導(dǎo)致的動畫變形失真。

1998年，GLEICHER［2］在其開創(chuàng)性研究中提出了運動重定向問題，并且將此問題形式轉(zhuǎn)換為一個帶時空約束的優(yōu)化問題，尋求一個滿足約束條件的最優(yōu)目標(biāo)動畫：

minimize?g（x）?subject?to?f（x）=c

其中：g（x）代表優(yōu)化的目標(biāo)函數(shù)，表示源動作和目標(biāo)動作之間的距離；g（x）=∫t〖DD）〗（]m（t）-m0（t）[JB>2）]2=∫t[DD）]b（t，x）2，m是目標(biāo)動作，m0是源動作，b（t，x）是三次B樣條函數(shù)，x是控制點，以三次B樣條曲線參數(shù)化源動作和目標(biāo)動作之間的差距，目的是使目標(biāo)動作更平滑；f（x）=c代表時空約束。此方法中，主要使用時空約束表達(dá)對目標(biāo)動畫的要求，保留源動畫中的一些重要特性。羅忠祥等［3］對時空約束優(yōu)化方法開展了進(jìn)一步的研究，并將其應(yīng)用到對運動捕獲數(shù)據(jù)的編輯和重定向中。

CHOI等［4］提出一種基于逆向運動學(xué)（Inverse?Kinematics，IK）的運動重定向方法，該方法利用雅可比矩陣的零空間同時實現(xiàn)末端效應(yīng)器的軌跡跟蹤和整個骨架對源動畫的模擬。徐少帥［5］對基于IK的運動重定向方法開展了進(jìn)一步的研究，重點解決運動與地形出現(xiàn)的交互問題。

HUANG等［6］認(rèn)為角色關(guān)節(jié)的參數(shù)是根據(jù)姿態(tài)動態(tài)變化的，不能通過預(yù)先設(shè)定的值準(zhǔn)確表達(dá)。他們提出一種方法，即從一組動畫片段中提取每個姿態(tài)下的關(guān)節(jié)參數(shù)，并將它們按照對應(yīng)姿態(tài)下末端效應(yīng)器的位置存儲到一棵八叉樹中。這些參數(shù)在后續(xù)的IK過程中會被用到。動畫重定位包括以下4個步驟。

（1）對末端效應(yīng)器軌跡中的每個位置，從八叉樹中取出相應(yīng)的關(guān)節(jié)參數(shù)，然后運行一個IK解算目標(biāo)骨骼的姿態(tài)，所有的IK是并行運行的。

（2）運行一遍時間對齊濾波平滑動畫。

（3）與第一個步驟類似，但是IK的開始姿態(tài)是前一步計算出的姿態(tài)。

（4）再運行一次濾波平滑動畫。

JIN等［7］提出一種用于多角色交互動畫的運動重定向方法，該方法主要關(guān)注多角色交互動畫中角色間相互接觸位置關(guān)系的保留；他們提出了“氛圍網(wǎng)格（Aura?Mesh）”的概念，這是一種圍繞在角色周圍，占據(jù)角色交互空間的四面體表面網(wǎng)格（Tetrahedral?Mesh）。角色交互動畫中氛圍網(wǎng)格的碰撞點被當(dāng)成是交互位置關(guān)系記錄下來，并且作為一種約束用在后面的運動重定向中。

VILLEGAS等［8］開創(chuàng)性地提出了一種基于深度學(xué)習(xí)的運動重定向方法。他們使用一個編碼RNN（Recurrent?Neural?Networks）捕捉輸入動畫中的高層次屬性，并將其轉(zhuǎn)換為一種隱式編碼，然后用一個解碼RNN進(jìn)行解碼，進(jìn)而得到與目標(biāo)骨骼適配的新動畫。該網(wǎng)絡(luò)采用無監(jiān)督學(xué)習(xí)方式進(jìn)行訓(xùn)練，其損失函數(shù)中，除了通常的正則化項，還包括對抗訓(xùn)練損失和循環(huán)一致性損失。對抗訓(xùn)練損失用于最小化重定向動畫的關(guān)節(jié)運動速度與源動畫的關(guān)節(jié)運動速度之間的差異；循環(huán)一致性損失用于確保重定向動畫與源動畫盡可能相似，它能夠確保A角色的動畫重定向到B角色再重定向回來，使得到的動畫和原動畫盡可能地接近（圖2）。

LIM等［9］提出的方法和VILLEGAS等［8］提出的方法具有一定的相似性，但也有兩個差異：一是在每一個時間步中根骨骼的動畫被單獨進(jìn)行重定向，再與其他部分合并；二是循環(huán)一致性損失被替換成重定向到自身產(chǎn)生的重構(gòu)損失。

KIM等［10］堅持認(rèn)為CNN（Convolution?Neural?Networks）比RNN更適合運動重定向任務(wù)，因為它能更好地捕獲動作的短期依賴，而這種依賴極大地影響了任務(wù)的表現(xiàn)。所以，他們的方案依賴于一個具有時間空洞卷積的純卷積網(wǎng)絡(luò)，該網(wǎng)絡(luò)在一個批次中重定向整個運動序列。

UK等［11］提出的運動重定向方法基于一個深度變分自動編碼器。這個自動編碼器結(jié)合了深度卷積逆向圖網(wǎng)絡(luò)（DC＼|IGN）和U＼|Net。其中，DC＼|IGN用于分解身體各部分的運動，而U＼|Net用于保留原始運動的細(xì)節(jié)。

ABERMAN等［12］提出了一種深度學(xué)習(xí)的方法，可以在拓?fù)浣Y(jié)構(gòu)不同但同胚的骨架間進(jìn)行運動重定向。他們提出了一種骨骼池化算子，可以在基于骨架的圖卷積網(wǎng)絡(luò)中將骨架簡化成原始骨架（Primal?Skeleton），再通過卷積與反池化將原始骨架變?yōu)榱硪还羌?，從而實現(xiàn)動畫的遷移（圖3）。該方法同樣通過循環(huán)一致性檢驗和對抗訓(xùn)練實現(xiàn)無監(jiān)督學(xué)習(xí)。此方法較好地解決了同胚的骨架間的運動重定向，但是對于拓?fù)洳煌拿恳粚羌芏夹枰?xùn)練一個專門的網(wǎng)絡(luò)。

保留肢體運動中與自身的接觸關(guān)系并防止肢體與身體其他部位相互穿透是運動重定向中的一大難題。VILLEGAS等［13］提出了一種基于隱空間優(yōu)化的運動重定向方法解決以上問題。ZHANG等［14］提出的方法基于一個殘差網(wǎng)絡(luò)，其中包括一個骨架感知模塊用于保留源動畫的語義，一個形狀感知模塊用于保留自身接觸和減少肢體與身體其他部位相互穿透。

2.2?拓?fù)洚悩?gòu)運動重定向

拓?fù)洚悩?gòu)運動重定向能夠?qū)⑦\動重定向到拓?fù)浣Y(jié)構(gòu)不同的角色上，但是大多數(shù)方法都需要用戶指定骨架各部分的語義或者手動建立源骨架和目標(biāo)骨架的對應(yīng)關(guān)系。

MONZANI等［15］提出了一種使用中間骨架和IK的運動重定向方法。中間骨架通過用戶手動制定的源骨架和目標(biāo)骨架的對應(yīng)關(guān)系建立。源骨架的運動數(shù)據(jù)通過中間骨架重定向到目標(biāo)骨架上，然后用IK強制一些約束條件。此方法不是全自動的，源骨架和目標(biāo)骨架的對應(yīng)關(guān)系需要用戶手動制定。謝文軍等［16］提出一種面向兩足和四足角色的分層骨架匹配方法，實現(xiàn)了源骨架和中間骨架的自動匹配。該方法通過分析多種幾何、拓?fù)鋮?shù)，評估骨架關(guān)節(jié)的重要性和可區(qū)分度，從而將骨架關(guān)節(jié)分為3個層次，然后對每個層次的節(jié)點選取合適的參數(shù)組合，并結(jié)合中間骨架所提供的語義信息匹配各層節(jié)點。

KULPA等［17］提出了一種與角色形態(tài)無關(guān)的動作表示方式。他們使用歸一化骨架和動作約束來存儲動作。歸一化骨架可將動作姿態(tài)表示為與身體尺寸和比例無關(guān)的形式，動作約束用來表示動作的內(nèi)在約束，比如腳與地面接觸的約束。他們將這種動作表示方式用于動作重定向。首先使用一種半自動的方式將角色動畫轉(zhuǎn)換為上述動作表示方式；其次在運行時實時地將這種與形態(tài)無關(guān)的動作數(shù)據(jù)適配到目標(biāo)角色上。這種方法只適用于骨骼各部分語義明確的人形角色。

BACIU等［18］在研究的運動重定向方法中提出了一種叫作運動控制網(wǎng)絡(luò)（Motion?Control?Net，?MCN）的數(shù)據(jù)結(jié)構(gòu)。對于每一對源骨架和目標(biāo)骨架，用戶需要手動為它們建立一個運動控制網(wǎng)絡(luò)，并在其中定義源骨架到目標(biāo)骨架的關(guān)節(jié)對應(yīng)關(guān)系。該方法首先將源動畫數(shù)據(jù)轉(zhuǎn)換為控制網(wǎng)格角度的形式，其次通過運動控制網(wǎng)絡(luò)將其映射到目標(biāo)骨骼，最后將目標(biāo)骨骼上的控制網(wǎng)格角度轉(zhuǎn)換為動畫數(shù)據(jù)。由于需要用戶手動建立運動控制網(wǎng)格，所以此方法不是全自動的。

HECKER等［19］發(fā)明了一種方法，將角色運動記錄成一種和形態(tài)無關(guān)的形式，這種形式的動畫可以在由研究人員提供的編輯器里創(chuàng)建出的角色上播放，這些角色可以具有非常豐富的形態(tài)。他們在一款叫“孢子”的游戲中成功應(yīng)用了這種技術(shù)。但是，應(yīng)用這種技術(shù)的角色運動和角色都只能在編輯器里按照特定的規(guī)則創(chuàng)建，并不能將動作重定向到通常的骨骼模型上。

骨架自動映射是拓?fù)洚悩?gòu)角色間運動重定向的難點，BHARAJ等［20］提出了一種骨架自動映射的方法。該方法將源骨架和目標(biāo)骨架各自分解成一組從葉關(guān)節(jié)到根關(guān)節(jié)的關(guān)節(jié)鏈。將源骨架的每一條關(guān)節(jié)鏈與目標(biāo)骨架的所有關(guān)節(jié)鏈匹配，并選擇匹配代價最小的關(guān)節(jié)鏈作為最終匹配。該方法沒有使用骨架的蒙皮網(wǎng)格信息，并且無法確保滿足對稱匹配約束和體系結(jié)構(gòu)匹配約束，當(dāng)兩個骨架姿態(tài)不同或拓?fù)洳町愝^大時，容易導(dǎo)致不恰當(dāng)?shù)钠ヅ洹?/p>

FENG等［21］提出了一種人形角色的動作重定向方法。首先，研究人員使用一組啟發(fā)式的方法根據(jù)關(guān)節(jié)名字建立源關(guān)節(jié)和目標(biāo)關(guān)節(jié)的對應(yīng)關(guān)系。其次，根據(jù)這種對應(yīng)關(guān)系對齊目標(biāo)骨架和源骨架的T＼|pose以及目標(biāo)關(guān)節(jié)與源關(guān)節(jié)的局部坐標(biāo)系，再將每個關(guān)節(jié)的動畫參數(shù)直接拷貝到目標(biāo)關(guān)節(jié)。最后，使用IK強制一些約束被遵守，比如腳步觸地約束。唐琛［22］對上述方法進(jìn)行了進(jìn)一步的研究，使用了不同的關(guān)節(jié)映射方法。

ABDUL＼|MASSIH等［23］提出了一種角色運動風(fēng)格重定位的方法。該方法需要用戶手動在每個骨架上定義一些代表身體部位的關(guān)節(jié)組，稱為身體部位組（GBP），并且要指定源骨架和目標(biāo)骨架的身體部位組的對應(yīng)關(guān)系。源部位組上的屬性通過此對應(yīng)關(guān)系傳送到對應(yīng)的目標(biāo)部位組上，并且作為約束加入對目標(biāo)動畫的一個優(yōu)化過程中，從而得到最終風(fēng)格化的運動。但是，此方法也不是全自動的。

2.3?計算機木偶動畫

計算機木偶動畫（Computer?Puppetry）通過動作捕捉系統(tǒng)將真實表演者的動作實時映射到計算機虛擬角色上，這是一種特殊的運動重定向。

SHIN等［24］提出了一種方法將表演者的動畫實時映射到虛擬卡通角色上。該方法采用了一種末端效應(yīng)器動態(tài)重要性的概念，根據(jù)末端效應(yīng)器和周圍環(huán)境的距離計算每一幀的重要性程度，從而決定表演者動作的哪些方面應(yīng)該被保留到結(jié)果動作中。末端效應(yīng)器的位置及其重要性作為參數(shù)，被用在一個混合的IK解析器中得出最終的角色姿態(tài)。該方法能將動畫重定向到拓?fù)浣Y(jié)構(gòu)相同但身體各部分比例不同的虛擬角色上。

DONTCHEVA等［25］開發(fā)的系統(tǒng)通過一個動畫道具的運動合成虛擬角色的動作。該系統(tǒng)介紹了一種方法可以推斷動畫道具的運動和虛擬角色動作之間的隱含關(guān)系，該方法使用CCA（Canonical?Correlation?Analysis）分析一個角色的動作和模擬這個角色動作某些方面的道具運動，從而建立這個道具運動和對應(yīng)角色動作之間一些特征的線性映射關(guān)系。使用此映射關(guān)系，用戶就可以通過道具的運動改變角色的動作。

YAMANE等［26］推出了一種方法用來將人類表演者的動作重定向到非人形虛擬角色上。該方法使用動捕標(biāo)記的位置作為輸入，虛擬角色的每個骨骼也由骨骼上設(shè)定的3個虛擬標(biāo)記的位置代表。該方法采用共享高斯過程潛變量模型（Shared?Gaussian?Process?Latent?Variable?Models，Shared?GPLVM）的統(tǒng)計模型將表演者的姿態(tài)映射到虛擬角色姿態(tài)。該模型使用一小組關(guān)鍵姿態(tài)對訓(xùn)練而成，每個姿態(tài)對包括一個表演者姿態(tài)和一個相應(yīng)的虛擬角色姿態(tài)。該方法還包括一個基于物理的優(yōu)化過程，用以改善目標(biāo)動作的物理真實感。

SEOL等［27］也提出了一種非人形角色的木偶動畫。研究人員使用兩種方法將表演者的姿態(tài)轉(zhuǎn)換為目標(biāo)角色的姿態(tài)。第一種方法是直接特性映射，即直接將輸入姿態(tài)參數(shù)線性映射到輸出姿態(tài)參數(shù)；第二種方法是基于SVM的姿態(tài)歸類，即將輸入姿態(tài)匹配到一個訓(xùn)練時給定的目標(biāo)姿態(tài)。這兩種方法都是預(yù)先通過一些相互匹配的動作對訓(xùn)練而成的，它們的輸出經(jīng)過混合后得到最終的目標(biāo)姿態(tài)。該方法的輸入為表演者身上的15個點，輸出為虛擬角色上的一組控制把手。

MOLLA等［28］提出的方法可以將表演者的動作映射到人形虛擬角色上。該方法主要關(guān)注源動作在重定向過程中身體自身接觸關(guān)系和身體部位空間次序的保留，它利用姿勢的自我中心表示，將每個肢體關(guān)節(jié)位置表示為相對于其他身體部位的相對向量的加權(quán)和（自我中心坐標(biāo)），并定義每對身體部位之間的分離平面（自我中心平面）。該方法需要用戶手動在表演者和虛擬角色上標(biāo)記一些對應(yīng)點。

3?研究展望（Research?prospect）

經(jīng)過多年的研究，運動重定向技術(shù)在某些特定的情景下獲得了比較好的效果，但仍然存在許多問題。一方面，大多數(shù)研究都將人形角色或拓?fù)湎嗤慕巧鳛橹饕芯繉ο?，也取得了很多成果。人形角色基本實現(xiàn)了自動化、高質(zhì)量的運動重定向［13＼|14］；另一方面，對非人形角色及拓?fù)洚悩?gòu)的角色間的運動重定向的研究很少，并且都沒能實現(xiàn)自動化［15，17＼|18］。一方面是因為非人形角色的形態(tài)千變?nèi)f化，骨骼語義和關(guān)節(jié)參數(shù)很難獲?。涣硪环矫媸且驗橥?fù)洚悩?gòu)的骨架間關(guān)節(jié)的映射關(guān)系很難自動建立，有時甚至手動建立關(guān)聯(lián)也很困難。

最新的研究大多采用基于深度學(xué)習(xí)的方法。這些方法通過學(xué)習(xí)大量的動作，獲取動作與骨骼無關(guān)的高級特征，這些特征可以指導(dǎo)如何把動作從一個骨架遷移到另一個骨架。相比于傳統(tǒng)方法，深度學(xué)習(xí)的方法得到的重定向動畫更自然和平滑，缺點是需要大量的數(shù)據(jù)訓(xùn)練模型，而且訓(xùn)練時間很長。此外，由于神經(jīng)網(wǎng)絡(luò)通常具有固定的結(jié)構(gòu)，它在處理具有復(fù)雜結(jié)構(gòu)且大小可變的骨架和動作數(shù)據(jù)時，常常非常困難。所以，目前的方法對可重定向動作的骨架具有嚴(yán)格的要求，大多數(shù)要求具有相同的拓?fù)浣Y(jié)構(gòu)或者要求拓?fù)渫撸覍τ诿恳粋€不同的骨架，都需要訓(xùn)練一個專門的網(wǎng)絡(luò)進(jìn)行動作重定向，在多數(shù)應(yīng)用場景下都是難以接受的。

未來的研究應(yīng)該著重于非人形角色和拓?fù)洚悩?gòu)的角色間的運動重定向，特別是拓?fù)洚悩?gòu)的骨架間關(guān)聯(lián)關(guān)系的建立，這是一個具有挑戰(zhàn)性的研究課題。為了克服深度神經(jīng)網(wǎng)絡(luò)與骨架拓?fù)涞膹婑詈详P(guān)系，可將傳統(tǒng)的方法比如基于優(yōu)化的方法和反向運動學(xué)方法等結(jié)合應(yīng)用。

4?結(jié)論（Conclusion）

角色運動重定向是計算機圖形學(xué)中的一個重要研究課題。本文回顧了目前出現(xiàn)的主要運動重定向技術(shù)，歸納出拓?fù)湎嗤\動重定向、拓?fù)洚悩?gòu)運動重定向和計算機木偶動畫3類方法，分析了每一類方法的優(yōu)勢與不足，并對當(dāng)前的研究難點和未來的研究方向進(jìn)行了闡述，希望能夠為三維角色運動重定向研究領(lǐng)域構(gòu)建一個較為完整的全景圖，以便為相關(guān)研究人員提供參考和借鑒。

參考文獻(xiàn)（References）

［1］?陸勁挺.?類人角色的多源運動重定向［D］.?合肥：合肥工業(yè)大學(xué)，2014.

［2］?GLEICHER?M.?Retargetting?motion?to?new?characters［C］∥ACM?SIGGRAPH.?Proceedings?of?the?25th?annual?conference?on?Computer?graphics?and?interactive?techniques.?New?York：ACM?Press，1998：33＼|42.

［3］?羅忠祥，莊越挺，劉豐，等.?基于時空約束的運動編輯和運動重定向［J］.?計算機輔助設(shè)計與圖形學(xué)學(xué)報，2002，14（12）：1146＼|1151.

［4］?CHOI?K?J，KO?H?S.?On＼|line?motion?retargetting［C］∥IEEE.?Proceedings?of?the?IEEE：Seventh?Pacific?Conference?on?Computer?Graphics?and?Applications.?Piscataway：IEEE，1999：32＼|42.

［5］?徐少帥.?基于反向運動學(xué)的運動重定向研究［D］.?大連：大連理工大學(xué)，2018.

［6］?HUANG?J，F(xiàn)RATARCANGELI?M，DING?Y，et?al.?Inverse?kinematics?using?dynamic?joint?parameters：inverse?kinematics?animation?synthesis?learnt?from?sub＼|divided?motion?micro＼|segments［J］.?The?visual?computer，2017，33（12）：1541＼|1553.

［7］?JIN?T，KIM?M，LEE?S?H.?Aura?mesh：motion?retargeting?to?preserve?the?spatial?relationships?between?skinned?characters［J］.?Computer?graphics?forum，2018，37（2）：311＼|320.

［8］?VILLEGAS?R，YANG?J?M，CEYLAN?D，et?al.?Neural?kinematic?networks?for?unsupervised?motion?retargetting［C］∥IEEE.?Proceedings?of?the?IEEE：2018?IEEE/CVF?Conference?on?Computer?Vision?and?Pattern?Recognition.?Piscataway：IEEE，2018：8639＼|8648.

［9］?LIM?J，CHANG?H?J，CHOI?Y?C.?PMnet：learning?of?disentangled?pose?and?movement?for?unsupervised?motion?retargeting［C］∥British?Machine?Vision?Association.?British?Machine?Vision?Conference.?Cardiff，United?Kingdom：BMVA，2019：196.

［10］?KIM?S，PARK?I，KWON?S，et?al.?Motion?retargetting?based?on?dilated?convolutions?and?skeleton＼|specific?Loss?functions［J］.?Computer?graphics?forum，2020，39（2）：497＼|507.

［11］?UK?KIM?S，JANG?H，KIM?J.?A?variational?U＼|Net?for?motion?retargeting［J］.?Computer?animation?and?virtual?worlds，2020，31（4＼|5）：e1947.

［12］?ABERMAN?K，LI?P?Z，LISCHINSKI?D，et?al.?Skeleton＼|aware?networks?for?deep?motion?retargeting［J］.?ACM?transactions?on?graphics，2020，39（4）：62.

［13］?VILLEGAS?R，CEYLAN?D，HERTZMANN?A，et?al.?Contact＼|aware?retargeting?of?skinned?motion［C］∥IEEE.?Proceedings?of?the?IEEE：2021?IEEE/CVF?International?Conference?on?Computer?Vision?（ICCV）.?New?York：IEEE，2021：9700＼|9709.

［14］?ZHANG?J?X，WENG?J?W，KANG?D，et?al.?Skinned?motion?retargeting?with?residual?perception?of?motion?semantics?&?geometry［C］∥IEEE.?Proceedings?of?the?IEEE.?2023?IEEE/CVF?Conference?on?Computer?Vision?and?Pattern?Recognition?（CVPR）.?New?York：IEEE，2023：13864＼|13872.

［15］?MONZANI?J?S，BAERLOCHER?P，BOULIC?R，et?al.?Using?an?intermediate?skeleton?and?inverse?kinematics?for?motion?retargeting［J］.?Computer?graphics?forum，2000，19（3）：11＼|19.

［16］?謝文軍，陸勁挺，劉曉平.?語義中間骨架驅(qū)動的自動異構(gòu)運動重定向［J］.?計算機輔助設(shè)計與圖形學(xué)學(xué)報，2016，28（5）：750＼|762.

［17］?KULPA?R，MULTON?F，ARNALDI?B.?Morphology＼|independent?representation?of?motions?for?interactive?human＼|like?animation［J］.?Computer?graphics?forum，2005，24（3）：343＼|351.

［18］?BACIU?G，IU?B?K?C.?Motion?retargeting?in?the?presence?of?topological?variations：research?articles［J］.?Computer?animation?and?virtual?worlds，2006，17（1）：41＼|57.

［19］?HECKER?C，RAABE?B，ENSLOW?R?W，et?al.?Real＼|time?motion?retargeting?to?highly?varied?user＼|created?morphologies［J］.?ACM?transactions?on?graphics，2008，27（3）：1＼|11.

［20］?BHARAJ?G，THORMHLEN?T，SEIDEL?H?P，et?al.?Automatically?rigging?multi＼|component?characters［J］.?Computer?graphics?forum，2012，31（2pt4）：755＼|764.

［21］?FENG?A，HUANG?Y?Z，XU?Y?Y，et?al.?Fast，automatic?character?animation?pipelines［J］.?Computer?animation?and?virtual?worlds，2014，25（1）：3＼|16.

［22］?唐琛.?三維角色動畫中運動重定向技術(shù)的研究與實現(xiàn)［D］.?成都：電子科技大學(xué)，2013.

［23］?ABDUL＼|MASSIH?M，YOO?I，BENES?B.?Motion?style?retargeting?to?characters?with?different?morphologies［J］.?Computer?graphics?forum，2017，36（6）：86＼|99.

［24］?SHIN?H?J，LEE?J，SHIN?S?Y，et?al.?Computer?puppetry：an?importance＼|based?approach［J］.?ACM?transactions?on?graphics，200120（2）：67＼|94.

［25］?DONTCHEVA?M，YNGVE?G，POPOVIC[DD（-1]＇[DD）]?Z.?Layered?acting?for?character?animation［J］.?ACM?transactions?on?graphics，2003，22（3）：409＼|416.

［26］?YAMANE?K，ARIKI?Y，HODGINS?J.?Animating?non＼|humanoid?characters?with?human?motion?data［C］∥ACM.?SIGGRAPH.?Proceedings?of?the?2010?ACM?SIGGRAPH/Eurographics?Symposium?on?Computer?Animation.?New?York，USA：ACM?Press，2010：169＼|178.

［27］?SEOL?Y，O′SULLIVAN?C，LEE?J.?Creature?features：online?motion?puppetry?for?non＼|human?characters［C］∥ACM?SIGGRAPH.?Proceedings?of?the?12th?ACM?SIGGRAPH/Eurographics?Symposium?on?Computer?Animation＼|SCA′13.?New?York：ACM，2013：213＼|221.

［28］?MOLLA?E，DEBARBA?H?G，BOULIC?R.?Egocentric?mapping?of?body?surface?constraints［J］.?IEEE?transactions?on?visualization?and?computer?graphics，2018，24（7）：2089＼|2102.

作者簡介：

劉春林（1981＼|），男，碩士，軟件工程師。研究領(lǐng)域：計算機圖形學(xué)，游戲開發(fā)。

張?燕（1968＼|），女，博士，教授。研究領(lǐng)域：計算機圖形學(xué)，人工智能。本文通信作者。