Publication

Motion Modeling: Can We Get Rid of Motion Capture?

Daniel Thalmann
2008
Conference Papers

Résumé

For situations like crowd simulation, serious games, and VR-based training, flexible and spontaneous movements are extremely important. Motion models would be the best strategy to adopt, but unfortunately, they are very costly to develop and the results are disappointing. Motion capture is still the most popular way. The ultimate in terms of motion models seems to be data-driven. Motion retargeting and PCA-based models are well used but they still rely strongly to Motion Capture. In this paper, we try to analyze the situation and illustrate it using a few case studies.

Source officielle

https://infoscience.epfl.ch/entities/publication/9ec6762e-7f4b-458e-aa31-539651201ba3

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Motion Modeling: Can We Get Rid of Motion Capture?

Chattez avec Graph Search

From finger animation to full-body embodiment of avatars with different morphologies and proportions

Microgravity induces overconfidence in perceptual decision-making

Rapid motion estimation and correction using self-encoded FID navigators in 3D radial MRI