モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
CG機械学習ディープラーニングCGへの扉安藤幸央GAN月刊エンタメAIニュースニューラルネットワーク河合律子NVIDIA強化学習三宅陽一郎OpenAI音楽FacebookQAスクウェア・エニックスモリカトロンAIラボインタビュー敵対的生成ネットワーク森川幸人ルールベースDeepMindキャラクターAIシナリオNFTGPT-3デバッグCEDEC2019プロシージャル自動生成人工知能学会映画遺伝的アルゴリズムメタAI自然言語処理深層学習マイクロソフトビヘイビア・ツリー吉本幸記GoogleStyleGANCEDEC2021CEDEC2020ゲームAISIGGRAPH不完全情報ゲームナビゲーションAI畳み込みニューラルネットワークAIと倫理アートグーグルディープフェイクGDC 2021大内孝子VFXメタバースGDC 2019マルチエージェントゲームプレイAIVRボードゲームNPCDALL-EロボットCNNモリカトロンCLIPファッションHTN階層型タスクネットワークJSAI2020TensorFlowMicrosoftイベントレポートデジタルツインテストプレイUnityAIアート水野勇太小説アニメーションガイスターStyleGAN2懐ゲーから辿るゲームAI技術史toioJSAI2021スポーツ研究シムピープル汎用人工知能GDC Summerバーチャルヒューマンブロックチェーン倫理Adobeアストロノーカeスポーツ対話型エージェントAmazoneSportsBLUE PROTOCOLシーマンUbisoftAlphaZeroTransformerGPT-2カメラ環世界中島秀之鴫原盛之ソニーDARPAドローンシムシティAI美空ひばり手塚治虫Electronic ArtsメタデータLEFT 4 DEAD通しプレイOpenAI Five本間翔太CMピクサーBERTプラチナエッグイーサリアム作曲ビッグデータ中嶋謙互Amadeus CodeMicrosoft AzureキャリアNVIDIA OmniverseナラティブレコメンドシステムNVIDIA DRIVE SimNVIDIA Isaac Simサイバーエージェント音声認識ロボティクスPyTorchDQN眞鍋和子バンダイナムコスタジオMinecraft齊藤陽介マインクラフトお知らせチャットボットアバターサルでもわかる人工知能VAEUbisoft La Forge自動運転車ワークショップGenvid Technologiesメタ知識表現ウォッチドッグス レギオンIGDAどうぶつしょうぎジェイ・コウガミ音楽ストリーミングマシンラーニング画像生成テキスト画像生成クラウド対話エンジン斎藤由多加リトル・コンピュータ・ピープルコンピューティショナル・フォトグラフィーゴブレット・ゴブラーズ絵画AIりんなシミュレーション完全情報ゲーム坂本洋典釜屋憲彦ウェイポイントパス検索藤澤仁生物学GTC 2022画像認識GTC2022DeNA長谷洋平masumi toyota宮路洋一OpenSeaGDC 2022教育TextWorldSIGGRAPH ASIADALL-E2GTC2021CycleGANNetHackフェイクニュースエージェントAIボイスアクターNVIDIA CanvasGPUALifeZork人工生命オルタナティヴ・マシンサウンドスケープMCS-AI動的連携モデルASBSマンガモーションキャプチャーぱいどんTEZUKA2020ナビゲーションメッシュ松井俊浩バンダイナムコ研究所スパーシャルAIELYZAELYZA DIGEST3D音声合成マーケティングApex LegendsELIZANinjaコンピュータRPGアップルタウン物語KELDICメロディ言語ゲームTENTUPLAYMARVEL Future FightAstroタイムラプスEgo4Dインタビューバスキア日経イノベーション・ラボ敵対的強化学習階層型強化学習GOSU Data LabWANNGOSU Voice Assistant竹内将SenpAI.GGMobalytics馬淵浩希Cygames岡島学AWS Sagemaker映像セリア・ホデント形態素解析UXAWS Lambda誤字検出認知科学ゲームデザインSentencePieceLUMINOUS ENGINELuminous Productionsパターン・ランゲージ竹村也哉ちょまどボエダ・ゴティエGOAPAdobe MAX 2021模倣学習Omniverse AvatarFPSNVIDIA Rivaマルコフ決定過程NVIDIA MegatronNVIDIA Merlinスタンフォード大学NVIDIA Metropolisパラメータ設計テニスOmniverse Replicatorバランス調整協調フィルタリング人狼知能テキサス大学軍事AlphaDogfight TrialsAI Messenger VoicebotエージェントシミュレーションOpenAI CodexStarCraft IIHyperStyleFuture of Life InstituteRendering with StyleIntelDisneyLAIKADisneyリサーチRotomationGauGANGauGAN2ドラゴンクエストライバルズ画像言語表現モデル不確定ゲームSIGGRAPH ASIA 2021Dota 2モンテカルロ木探索ディズニーリサーチMitsuba2ソーシャルゲームEmbeddingワイツマン科学研究所GTC2020CG衣装NVIDIA MAXINEVRファッション淡路滋ビデオ会議ArtflowグリムノーツEponymゴティエ・ボエダ音声クローニングGautier Boeda階層的クラスタリングGopheraibo合成音声JuliusSIE鑑定TPRGOxia Palusバーチャル・ヒューマン・エージェントtoio SDK for UnityArt Recognitionクーガー田中章愛Meta石井敦銭起揚NHC 2021茂谷保伯池田利夫GDMC新刊案内マーベル・シネマティック・ユニバース成沢理恵MITメディアラボMCU著作権アベンジャーズマジック・リープDigital DomainMagic Leap OneMagendaMasquerade2.0ノンファンジブルトークンDDSPフェイシャルキャプチャーサッカーモリカトロン開発者インタビュー里井大輝Kaggle宮本茂則バスケットボール山田暉Assassin’s Creed OriginsAI会話ジェネレーターSea of ThievesGEMS COMPANYmonoAI technologyLSTMモリカトロンAIソリューション初音ミクOculusコード生成AI転移学習テストAlphaCodeBaldur's Gate 3CodeforcesCandy Crush Saga自己増強型AISIGGRAPH ASIA 2020COLMAPADOPデバッギングBigGANGANverse3DMaterialGANOmniverseリップシンキングRNNグランツーリスモSPORTReBeLグランツーリスモ・ソフィーGTソフィーVolvoFIAグランツーリスモチャンピオンシップRival PrakDGX A100VTuberユービーアイソフトWebcam VTuber星新一賞北尾まどかHALO市場分析将棋メタルギアソリッドVフォートナイトFSMEpic GamesRobloxナップサック問題Live Nation汎用言語モデルWeb3.0AIOpsSpotifyMITスマートコントラクトReplica StudioAWSamuseChitrakarQosmo巡回セールスマン問題徳井直生ジョルダン曲線メディア5GMuZero政治クラウドゲーミングRival Peakがんばれ森川君2号和田洋一リアリティ番組Stadiaジョンソン裕子MILEsNightCafeインタラクティブ・ストリーミングLuis Ruizインタラクティブ・メディアポケモンCodexシーマン人工知能研究所東京工業大学Ludo博報堂ラップSIGGRAPH 2019ArtEmisZ世代AIラッパーシステムARrinnaGROVERプラスリンクス ~キミと繋がる想い~FAIRSTCチート検出Style Transfer ConversationオンラインカジノRCPアップルRealFlowRinna Character PlatformiPhoneデジタルヒューマンDeep FluidsSoul MachinesMeInGameAmeliaAIGraphブレイン・コンピュータ・インタフェースバーチャルキャラクターBCIGateboxLearning from VideoANIMAK予期知能逢妻ヒカリセコムユクスキュルバーチャル警備システムカント損保ジャパン哲学対談上原利之ドラゴンクエストエージェントアーキテクチャアッパーグラウンドPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者Siemensアルスエレクトロニカ2019StyleCLIP品質保証StyleRigAutodesk逆転オセロニアBentley Systemsワールドシミュレーター奥村エルネスト純いただきストリートH100齋藤精一大森田不可止COBOL高橋智隆DGX H100ロボユニザナックDGX SuperPOD泉幸典仁井谷正充クラウドコンピューティングロボコレ2019Instant NeRFartonomousbitGANsぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward Architectureコミュニティ管理ウロチョロスSuper PhoenixSNS理化学研究所Project Malmoオンラインゲーム気候変動Project PaidiaEarth-2Project Lookoutマックス・プランク気象研究所Watch Forビョルン・スティーブンスBing気象モデルLEFT ALIVE気象シミュレーション長谷川誠ジミ・ヘンドリックス環境問題Baby Xカート・コバーンエコロジーロバート・ダウニー・Jr.エイミー・ワインハウスSDGsMagentaYouTubeダフト・パンクメモリスタSFGlenn MarshallELYZA PencilThe Age of A.I.Story2Hallucination音声変換レコメンデーションJukebox松尾豊Veap JapanEAPテンセントSIFT福井千春DCGAN医療MOBADANNCEメンタルケア人事ハーバード大学Edgar Handy研修デューク大学Netflixデータマイニングmynet.aiローグライクゲーム東京大学東京理科大学人工音声NeurIPS 2021産業技術総合研究所はこだて未来大学リザバーコンピューティングプレイ動画ヒップホップキャラクターモーションソニーマーケティングサイレント映画もじぱNBA環境音暗号通貨現代アートFUZZLEAlteration粒子群最適化法RPG進化差分法オープンワールド群知能下川大樹AIFAウィル・ライト高津芳希P2E大石真史BEiTレベルデザインDETRSporeデノイズ南カリフォルニア大学画像処理SentropyCPUDiscordCALMプログラミングソースコード生成GMAIシチズンデベロッパーTRPGGitHubウィザードリィMCN-AI連携モデルAI Dungeon西川善司並木幸介サムライスピリッツ森寅嘉ゼビウスSIGGRAPH 2021ストリートファイター半導体Topaz Video Enhance AI栗原聡DLSS山野辺一記NetEase大里飛鳥DynamixyzU-Net13フェイズ構造アドベンチャーゲームADVXLandAGI手塚眞DEATH STRANDING不気味の谷Eric JohnsonOculus Questコジマプロダクション生体情報デシマエンジンインディーゲーム写真高橋ミレイ照明Maxim PeterJoshua Romoffハイパースケープ山崎陽斗深層強化学習立木創太ミライ小町テスラGameGANパックマンTesla BotTesla AI Dayソサエティ5.0SIGGRAPH 2020バズグラフニュースタンテキ東芝DIB-R倉田宜典韻律射影広告韻律転移

CGへの扉 Vol.11:動き、ダンスに新しい要素を加えるAIの役目

2020.2.14アート

CGへの扉 Vol.11:動き、ダンスに新しい要素を加えるAIの役目

動きとデータの関係性

人の動きをCG/VFXで表現する場合、現在は大きく分けて2つのアプローチがあります。ひとつは、モーションキャプチャーと呼ばれる手法で、特殊なセンサーが搭載されたスーツを着用したり、体中に赤外線を反射する小さな球体をつけたりして、実際の人間の動きをデジタルデータ化します。そこで取得されたデータを活用してCGキャラクターのアニメーション制作を行う方法です。もうひとつは「手づけ」と呼ばれる手作業による方法で、ツールや動きの表現に習熟したアニメーターがコンピュータ上で動きを細かく調整して制作する方法です。

どちらの手法も長所と短所があり、モーションキャプチャーは非常にリアルな動きが取得できる一方、収録に専用の機材やスタジオが必要で、比較的コストがかかる上に動きを演じる俳優の表現やスキルに影響を受けます。一般的な舞台俳優、ドラマなどに出演する俳優以外にも、モーションキャプチャーを得意とする専門の俳優がおり、収録後の微修正が少なくて済むなめらかな動きをしたり、手足が交差してデータが混乱しないように動くのに長けています。「手づけ」の動きの場合、伝えたい動きが強調されたり、予備動作や勢い感といった表現に長けており、演出も自由で非常に表現力はありますが、あくまで作られたキャラクターであり、そこに人が実在するかのようなリアルさはありません。

最近広がりつつアプローチは、モーションキャプチャーで取得したリアルな動きのデータを機械学習させ、人が扱うツールで素早く柔軟な表現ができるよう、経験や習熟に依存せずに動きの表現を補助するハイブリッドなツールの利用です。Cascadeur(カスカドゥール:フランス語でスタントマン、曲芸師のこと)のAutoPosing機能では、人の骨格の特徴的な6箇所(手首、足首、骨盤、首の付け根)を指定するとその他の37箇所の体の位置を自動的に設定し、適切なポーズを作成するためのツールを提供しています。元となった機械学習データはゲーム用に大量に作られた動きのデータが使われました。

例えば、誰かに後ろから声をかけられて振り返るポーズを考えてみてください。最小限の動作としては目だけ動かす場合もあるかもしれませんが、頭ごと後ろを向くのが一般的です。それも頭だけではなく肩や上半身も一緒に、場合によっては足も動かしながら後ろを向くはずです。こういった人体ではごくごく一般的に協調して行われている動作でも、CG/VFXのデジタルキャラクタデータではそう簡単にはいきません。Cascadeur では習熟者が時間をかけて作成、調整していたCGキャラクタのポーズを少ない設定、少ない操作で品質の高いポーズのデータを作り上げることができます。

動画:https://www.youtube.com/watch?v=Hu88WW7JzqI
Web:https://cascadeur.com/

Everybody Dance Now 登場の衝撃

論文:https://arxiv.org/pdf/1808.07371.pdf
Web:https://carolineec.github.io/everybody_dance_now/

『Everybody Dance Now』は C+Cミュージック・ファクトリーによる1990年代にヒットしたダンスミュージックです。今回はその音楽を紹介したいわけではなく、「Everybody Dance Now」がタイトルとなっている人工知能の可能性を広く知らしめたひとつの論文を取り上げます。

「Everybody Dance Now」はカリフォルニア大学バークレー校のCaroline Chan氏らが 2018年に発表した研究です。ディープラーニングの技術を活用し、素人の動きを収録した動画データから、プロのダンサーが踊ったかのようなキレのある動きの動画を再構成するという方法です。

手法としてはプロのダンサーの上手な動きを収録したダンス動画から、動きを骨格化した平易な情報として取り出します。そしてダンス素人の人物にさまざまな動きやポーズをしてもらい、ダンス動作の再構成に必要なポーズを動画収録します。その後、GAN(敵対的生成ネットワーク)で、プロのダンサーに近いポーズを繰り返し学習させ、ダンス動画を再構成します。さらに単に素材を継ぎ合わせただけでは、なめらかな動きにならないためジッター(不必要なブレ)を除去するためにTemporal Smoothingという手法も使われています。

動画像から骨格を抽出するにはOpenPoseが使われています。OpenPoseが革新的なのは、特殊なスーツや機材を必要とせず、動画像、ときには静止画の素材さえあえば、そこに写っている人物の骨格抽出ができることです。OpenPoseは非商用では無料で使え、商用目的用にはflintbox社が提供しています。高解像度の画像の生成にはpix2pixHDが使われています。

この「Everybody Dance Now」の発表に前後して人の動きに人工知能を活用するアプローチが広がっていきます。NVIDIAとカリフォルニア大学との共同研究ではダンスと音楽を合わせて表現するためのDancing2Musicが公開されています。

Web:https://github.com/NVlabs/Dancing2Music
論文:https://arxiv.org/abs/1911.02001

GoogleのAI研究チームによる成果のデモサイト AI Experiments では「Move Mirror」が公開されています。人間のポーズを骨格データとして抽出する実装PoseNetのWeb版TensorFlow.jsによるデモで、パソコンとWebカメラさえあれば、手軽に自分と同じ格好をした写真を連続して表示することができます。PoseNetでは顔の中から目鼻や、肘、膝などの人体の主だった17カ所を動画や静止画から抽出することができます。

Web:https://experiments.withgoogle.com/move-mirror
Move Mirror: An AI Experiment with Pose Estimation in the Browser using TensorFlow.js
デモ:https://experiments.withgoogle.com/collection/ai/move-mirror/view

 Googleが後押しするAIとダンスの可能性

2019年のはじめ、著名な振付師である Bill T. Jones氏とGoogleによる共同プロジェクトがおこなわれました。「AI Sketches With Bill T. Jones」では、動きとコンピュータとの切り口でさまざまな事柄が試されました。何かを作り上げるためのプロジェクトではなく、人の動きとコンピュータの関係性から何かを見出そうという試みです。先に紹介したPoseNetとTensorflow.js、音声変換には Google Web Speech API が使われています。通常の舞台では、広い空間を縦横無尽に動き回り、見る人が視点を動かしますが、このプロジェクトでは、画面の画角の中でいかに表現するかがポイントになったそうです。

Web : https://www.billtjonesai.com/

もうひとつは「Living Archive」という世界的な振付師Wayne McGregor氏とGoogleによるプロジェクトです。Wayne McGregor氏の数千時間にも及ぶパフォーマンスから得られた50万種類のポーズを学習データとして利用し、特定のポーズやフレーズの次にどういう振り付けが続くのかを予想し、提案するとどうなるのか? という試みです。

Web : https://waynemcgregor.com/research/living-archive

携帯電話の文字入力では、予測変換が一般的に使われています。入力の際、必ずしも予測変換が正しいとは言えず、予測変換とはまったく関係ない文字を入力することもあります。予測変換を使うと入力するフレーズが制限されてしまう、自由な文章表現が広がらないとの指摘もありますが、素早く的確な文章を書くには予測変換は欠かせません。この「Living Archive」は、動きに関する予測変換とも言える試みで、新しい発見や想定していなかった表現も見つかったそうです。

「動き」に関するこれからの課題と目指す事柄

人の動きを適切にデータ化、骨格情報として扱うこと、それらを機械学習させることでさまざまな応用が期待されます。例えばスポーツ選手のフォームや、リハビリの際の変化やアドバイス、人の動きをロボットで再現したり、ダンスの上手い下手、評価なども可能になってくるでしょう。

ダンスや、人の動きといった情報は、簡単にデータ化しづらく、コンピュータや機械学習で扱いにくい種類のデータであるにもかかわらず、人間にとってとても原始的で、日々常に接している情報です。そのため、ちょっとした違和感や違いもすぐに気づき、その違和感を言語化できなくとも、多くの人が気づいてしまうのです。人型ロボットの動きも単にプログラミングで最短距離、最小の動作を生み出すのではなく、演劇の演出家やダンスの振付師によって、タメや間、ちょっとした余計な動きを加えることによって、とてもリアルな動作になると言われています。

これが例えば音声データであれば、データとしての扱いやすく、発話の文言の記録、正答の導きやすさなどから、コンピュータで比較的扱いやすい種類の情報になります。それでも駅などで聞く人工的な声のアナウンスで少し不自然な言い回しや流暢さにかける発話に出会うと、人はすぐ違和感に気づきます。短い発話であれば気づかないこともありますが、長い会話、長い朗読になると、人の発話と人工的な発話には誰もが気づきます。

人工音声も、従来であれば、発話の数理モデルを構築し、言葉のかけら(チャンク)を組み合わせて発話させていた技術から、
Wavenet と呼ばれるディープラーニングを活用したニューラルネットワークによる音声合成アルゴリズムによって、なめらかな発話、自然な発話の技術が飛躍的に進化してきています。

人間が普段接する人と人のコミュニケーションに関する感受性は鋭く、CG/VFXで動きを人工的に生み出す場合も、何気ない動作や、何もしていない時の少しの揺らぎなど、個人的な癖や独特の動きなどが一番難しい表現です。動きには効率だけでなく「余白」「余分」とも言えるような要素が重要になってきています。これからは演劇のようにすべての動きを演出しつつ偶然性に左右されるのでもなく、ロボットのように全ての動きがプログラミングされているのでもなく、良質のリアルなデータを元に、適切な人間の演出が加わった上で、理想的な「動き」の表現ができるようになるのかもしれません。

本連載の今後の予定:「CGへの扉」では、単なるAIの話題とは少し異なり、CG/VFX, アートの文脈から話題を切り取り紹介していきます。映像制作の現場におけるAI活用や、AIで価値が高まった先進的なツール、これからの可能性を感じさせるような話題、テクノロジーの話題にご期待ください。何か取り上げて欲しいテーマやご希望などがございましたら、ぜひ編集部までお知らせください。

CGへの扉:

Vol.1:CG/VFXにおける人工知能の可能性と、その限界

Vol.2:なめらかなキャラクタアニメーションと、ディープラーニングの役目

Vol.3:CGとAIの蜜月が今まで不可能だった映像を生みだす

Vol.4:CG/VFX制作に欠かせなくなったマシーンラーニングの勘所

Vol.5:SIGGRAPH 2019に見るCG研究と機械学習

Vol.6:Facebookが取り組むVRとAIのアプローチ

Vol.7:AIによる差別やバイアスを避ける取り組み“PAIR”

Vol.8:一流オークションハウスも注目するアートとAIの関係性

Vol.9:現実の課題を解決するCGとAIの相互作用 #SIGGRAPHAsia2019

Vol.10:老齢とは無縁、De-Aging技術の台頭

Contributor:安藤幸央

RELATED ARTICLE関連記事

CGへの扉 Vol.9:現実の課題を解決するCGとAIの相互作用 #SIGGRAPHAsia2019

2019.12.17アート

CGへの扉 Vol.9:現実の課題を解決するCGとAIの相互作用 #SIGGRA...

CGへの扉 Vol.17:描画を進化させるTensorFlow Graphicsの真価

2020.8.13アート

CGへの扉 Vol.17:描画を進化させるTensorFlow Graphics...

CGへの扉 Vol.1:CG/VFXにおける人工知能の可能性と、その限界

2019.4.17アート

CGへの扉 Vol.1:CG/VFXにおける人工知能の可能性と、その限界

RANKING注目の記事はこちら