基于关键帧的PCA与RBF高效运动编辑算法
提出了一种基于关键帧并采取PCA压缩与RBF神经网络进行处理的运动编辑算法。对被捕获的运动数据关键帧序列应用PCA压缩处理，可以使高维的运动数据降到低维空间,从而为运动捕获数据的内插和外推提供了可能；在运动数据的内插处理阶段,将数据归一化以减小RBF神经网络的误差,并采用RBF神经网络将经过压缩的关键帧序列与运动高层参数建立联系。该算法所采用的神经网络不但能以较快的运算速度、较强的非线性映射能力以及较好的预报效能计算出关键帧数据,而且在高次四元数球面Hermite插值简单计算之下获得全部的运动数据。实验证明,该算法能以更高的效率进行运动数据编辑,所需计算时间可减少到原有时间的(k/n)<”3>以下。
神经网络 运动编辑算法 运动数据 关键帧
郭翰文 石民勇 费广正
中国传媒大学计算机与软件学院,北京 100024 中国传媒大学数字技术与艺术研发中心,北京 100024 中国传媒大学动画学院,北京 100024
国内会议
北京
中文
95-98
2007-10-29（万方平台首次上网日期，不代表论文的发表时间）