3D人类动画的质量评估:主观和客观评估

科学领域:

• 计算机图形 计算机图形
• 人与计算机的交互
• 虚拟现实 虚拟现实 虚拟现实

背景情况:

• 虚拟人类动画对于虚拟和增强现实应用至关重要.
• 评估自动生成的虚拟人类的质量是一项挑战.
• 现有的质量评估方法通常依赖于参数体模型,这限制了它们的适用性.

研究的目的:

• 引入第一个对虚拟人体动画的质量评估措施,而不是用参数身体模型生成的.
• 开发一个新的数据驱动框架来评估动画的真实性.

主要方法:

• 创建了一个虚拟人类动画数据集.
• 通过用户研究收集主观现实主义评估分数.
• 训练了一种线性回归器,使用数据集预测感知评估分数.

主要成果:

• 在预测和主观现实主义分数之间实现了90%的相关性.
• 开发的线性回归器显著超过了强大的深度学习基线.
• 证明了基于数据的质量评估框架的有效性.

结论:

• 拟议的数据驱动框架为评估虚拟人类动画质量提供了一种有效的方法.
• 这种方法对于不是从参数模型衍生的动画特别有价值.
• 该研究强调了机器学习在客观评估复杂视觉内容方面的潜力.