188宝金博页面版

第25 卷第2 期 2008 年 2 月 计算机应用与软件 C omp uter A pplications and Software V 01． 25 No ． 2 Feb． 2 0o8 基于交互式进化计算的虚拟表情建模 张科辉王士同 江苏 无锡 21 4122) ( 江南大学信息工程学院摘化计算对 TSK ：窬缃醒盗。实验结果表明， 当该算法应用于虚拟人物表情建模时， 比传统的进化计算具有更快的收敛 速度， 而且该算法融合了进化计算的全局优化和人的主观判断， 使得表情输 出更加符合用户的需要． 从而使得不同的动画导演利用 这个系统， 能够根据 自己的知识产生出符合 自己要求的虚拟表情输出。 要 探讨如何训练虚拟人物表情这一新课题， 提出了将TSK ：窬缬τ糜谛槟馊宋锉砬榈慕Ｑ芯， 并用交互式进 关键词TSK ：窬缃换ナ浇扑阈槟獗砬檠八惴 V I R T U A L F A C IA L E X P R E SSI O N M 0 D E L I NG BA SE D o N T E R A C T I V E E V o L U T Io N A R Y C o M P U T A T Io N Z hang K eh ui W ang Shitong ( School o f In f orm ation Engine ering， 加 ， lg7 mn Univ ersit y ， Wuxi 214122 ， Jiangsu ， China) A bstra ct F acial expressi on model ing of virtual actor is an important a n d practi ca l topic． T S K fuzzy neural network i s appl ied to accommo— date di rector’S exper t ise SO that appropri ate facia l expression of vir t ua l actor Ca n be pro d uced． In order to speed up the convergence of the learning a l gorithm， Interactive EC ( IEC ) algor i t h m is incorporated into TSK fuzzy neural network． IE C fuses the capability o f EC optimization a n d t h e human eva l uati on ． E xper i menta l results i ndicate the success of the approach． K eywor ds T SK f u zzy neural network Interacti ve evolutionary computation V ir t ua l faci a l expression L earni ng a l gor i thm 1问题的提出 如今三维计算机动画电影已成为一种现代的娱乐方式。然 而如何使计算机工作者同动画导演之间达到一个平衡点， 即将 来自动画导演的专家知识传递给计算机工作者成为一个研究的 热点。在动画电影 中， 专家知识包括各种形式的情感表达 二级表情和手势， 输入的条件包括有认知情感的状态 和个人的不同个性 ， 而相应地输出即为动画中虚拟人物的表达 情感。先前的相关研究工作侧重于合成代理， 同真实人物双向， 实时面对面地接触， 它们中没有一个系统能够熟练地使用规则 产生输出。由此产生了如何利用导演的专家知识对虚拟人物表 情建模这一新的课题。 本文前期的工作主要是在文献[ 3] 的基础上， 利用进化计 算对 TSK ：窬 进行学习， 训练所用的样本是由一系 列动画导演的：嬖蛩玫， 通过调整：窬缰械牧 属度函数参数和真值参数 ， 达到虚拟人物表情建模的目的。前 期的工作主要是使训练结果尽可能地模拟和逼近导演的专家知 识。但是在实验过程中发现 ： 实验过程一味追求尽可能模拟和 逼近专家知识， 也可能某个导演的专家知识并不符合人们的实 际需要 。 基于上述问题， 本文在进化算法 EC ( Evolutionary Computa— tion) 的基础上 ， 加入了人的主观判断， 称之为交互式进化算法 IEC(Interactive EC ) j 。IEC 算法融合传统进化算法全局收敛 的优点和人的主观。判断实验结果表明， IEC 不但具有 EC 全局 ， ， 环境 收敛能力， 克服了BP算法 陷入局部最优的缺点， 而且收敛速 度较 EC 算法快 ， 同时实时交互控制， 一旦虚拟表情输出满足用 户的要求即可停止， 结果更能符合用户的要求。 2 用于虚拟人物表情建模的 r IsK ：窬 神经网络系统具有知识的分布式存储， 内在的并行处理方 式和自适应学习的能力； 而：呒低呈视糜谥苯拥闹侗 达和逻辑推理， 善于利用专家知识， 但学习能力差。因此 ， 两者 具有很强的互补性， 而 TSK 模型 性 ， 在众多的领域得到了广泛的应用。本文中， 用 TSK ： 经网络来训练虚拟人物表情， 它能够结合 TSK ：低成朴诶 用专家知识和神经网络学习能力强的这两个优点， 从而达到训 练学习的目的。本文用到了 TSK ：窬缒Ｐ偷男问接 图 1所示 。 图 1 中， 输入 向量 = ( ， 具有较好的可解释性和精确 ， ?，％) ， 1≤n≤3， 它表示输入 OCC 情感 ( 如 o ecFear， o ecHo pe 等) ， 人物个 性 (如 em Stability， extrover- sio n 等) 等影响要素的组合。根据 文献[3] ， 对于每一个 x ， 1≤i ≤3， 分别对 应有五个： VIew， 图1 虚拟人物表情建模的 TSK ：窬缒Ｐ 收稿 日期 ： 2006 — 03 - 07。张科辉 ， 硕 士生 ， 主研 领域 ： ：低 ， 神 经 网络 。 维普资讯 http://www.cqvip.com