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
CGCGへの扉安藤幸央機械学習月刊エンタメAIニュースディープラーニング生成AI河合律子吉本幸記OpenAIGAN音楽NVIDIAGoogleChatGPT強化学習三宅陽一郎グーグルニューラルネットワークStable Diffusion森川幸人大規模言語モデルDeepMindマイクロソフトシナリオLLMQAAIと倫理人工知能学会GPT-3モリカトロン自然言語処理Facebook大内孝子倫理映画著作権アートゲームプレイAIキャラクターAI敵対的生成ネットワークルールベースSIGGRAPHスクウェア・エニックスモリカトロンAIラボインタビュー画像生成MinecraftNPCNFTプロシージャルMidjourneyデバッグロボットDALL-E2音楽生成AIStyleGAN遺伝的アルゴリズム画像生成AIファッション自動生成ディープフェイクVFXAdobeテストプレイメタAIアニメーションテキスト画像生成深層学習CEDEC2019MicrosoftデジタルツインメタバースVR小説ボードゲームDALL-ECLIPビヘイビア・ツリーマンガCEDEC2021CEDEC2020ゲームAI作曲不完全情報ゲームロボティクスナビゲーションAIマインクラフト畳み込みニューラルネットワークtoioスポーツエージェントGDC 2021マルチモーダル汎用人工知能JSAI2022バーチャルヒューマンNVIDIA OmniverseGDC 2019マルチエージェントCEDEC2022MetaAIアート3DCGStability AIメタデジタルヒューマン懐ゲーから辿るゲームAI技術史教育ジェネレーティブAIプロンプトGPT-4栗原聡手塚治虫CNNNeRFDALL-E 3BERTMicrosoft Azure動画生成AIUnityOmniverseJSAI2023ELSI鴫原盛之HTN階層型タスクネットワークソニーRed RamJSAI2020GTC20233DマーケティングTensorFlowインタビューブロックチェーンイベントレポート対話型エージェントAmazonメディアアートDQN合成音声水野勇太アバターUbisoftGenvid TechnologiesガイスターStyleGAN2ARGTC2022SIGGRAPH ASIANetflixJSAI2021東京大学はこだて未来大学Bard研究シムピープル世界モデルMCS-AI動的連携モデルモーションキャプチャーTEZUKA2020CEDEC2023AGIテキスト生成インディーゲームElectronic Arts音声合成メタデータGDC Summerイーロン・マスクStable Diffusion XLCM森山和道アストロノーカキャリア模倣学習eスポーツスタンフォード大学アーケードゲームテニスサイバーエージェントトレーディングカード音声認識類家利直eSports高橋力斗BLUE PROTOCOLシーマンaiboモリカトロン開発者インタビューチャットボットGeminiブラック・ジャックワークショップEpic GamesAIロボ「迷キュー」に挑戦AWS徳井直生クラウド斎藤由多加AlphaZeroTransformerGPT-2rinnaAIりんなカメラ環世界中島秀之PaLMGitHub Copilot哲学ベリサーブPlayable!GPT-3.5ハリウッド理化学研究所Gen-1SoraSFテキスト画像生成AI松尾豊AIQVE ONEデータマイニング現代アートDARPAドローンシムシティゲームエンジンImagenZorkバイアスマーダーミステリーASBSぱいどんアドベンチャーゲームAI美空ひばり手塚眞バンダイナムコ研究所スパーシャルAIELYZANEDO広告FSM-DNNMindAgentLEFT 4 DEAD通しプレイ論文OpenAI Five本間翔太馬淵浩希CygamesAudio2Faceピクサープラチナエッグイーサリアム効果音ボエダ・ゴティエビッグデータ中嶋謙互Amadeus Codeデータ分析MILENVIDIA ACEナラティブNVIDIA RivaOmniverse ReplicatorWCCFレコメンドシステムNVIDIA DRIVE SimWORLD CLUB Champion FootballNVIDIA Isaac Simセガ柏田知大軍事田邊雅彦Google I/Oトレカ慶應義塾大学Max CooperGPTDisneyFireflyPyTorch京都芸術大学ChatGPT4眞鍋和子バンダイナムコスタジオヒストリアAI Frog Interactive新清士SIE大澤博隆SFプロトタイピング齊藤陽介成沢理恵お知らせMagic Leap OneTencentサッカー宮本茂則バスケットボールTikTokSuno AItext-to-imageサルでもわかる人工知能text-to-3DVAEDreamFusionTEZUKA2023リップシンキングRNNUbisoft La Forge自動運転車知識表現ウォッチドッグス レギオンVTuberIGDA立教大学秋期GTC2022市場分析フォートナイトどうぶつしょうぎRobloxジェイ・コウガミ音楽ストリーミングMIT野々下裕子Adobe MAXマシンラーニング村井源5GMuZeroRival Peakpixivオムロン サイニックエックスGPTs電気通信大学対話エンジン稲葉通将ポケモン3Dスキャン橋本敦史リトル・コンピュータ・ピープルCodexシーマン人工知能研究所コンピューティショナル・フォトグラフィーPreferred Networksゴブレット・ゴブラーズ絵画Open AI3D Gaussian SplattingMicrosoft DesignerアップルイラストシミュレーションSoul Machines柿沼太一完全情報ゲームバーチャルキャラクター坂本洋典釜屋憲彦ウェイポイントLLaMAパス検索Hugging Face対談藤澤仁生物学GTC 2022xAIApple Vision Pro画像認識SiemensストライキStyleCLIPDeNAVoyager長谷洋平GDC 2024クラウドコンピューティングmasumi toyotaIBM宮路洋一OpenSeaGDC 2022SNSTextWorldEarth-2BingMagentaYouTube音声生成AIELYZA PencilScenarioSIGGRAPH2023AIピカソGTC2021AI素材.comCycleGANテンセントAndreessen HorowitzQA Tech Night松木晋祐NetHack下田純也桑野範久キャラクターモーションControlNet音源分離NBAフェイクニュースユニバーサルミュージックRPG法律Web3SIGGRAPH 2022レベルデザインDreamerV3AIボイスアクターUnreal Engine南カリフォルニア大学NVIDIA CanvasGPUALife人工生命オルタナティヴ・マシンサム・アルトマンサウンドスケープLaMDATRPGマジック:ザ・ギャザリングAI Dungeonゲーム背景アパレル不気味の谷ナビゲーションメッシュデザイン高橋ミレイ深層強化学習松原仁松井俊浩武田英明フルコトELYZA DIGEST建築西成活裕ハイブリッドアーキテクチャApex LegendsELIZA群衆マネジメントライブポートレイトNinjaコンピュータRPGライブビジネスWonder StudioAdobe Max 2023アップルタウン物語新型コロナ土木KELDIC周済涛BIMBing Chatメロディ言語清田陽司インフラBing Image CreatorゲームTENTUPLAYサイバネティックスMARVEL Future FightAstro人工知能史Amazon BedrockAssistant with BardタイムラプスEgo4DAI哲学マップThe Arcadeバスキア星新一X.AISearch Generative Experience日経イノベーション・ラボStyleGAN-XLX Corp.Dynalang敵対的強化学習StyleGAN3TwitterVLE-CE階層型強化学習GOSU Data LabGANimatorXホールディングスWANNGOSU Voice AssistantVoLux-GANMagiAI Act竹内将SenpAI.GGProjected GANEUMobalyticsSelf-Distilled StyleGANSDXLArs ElectronicaニューラルレンダリングRTFKTAI規制岡島学AWS SagemakerPLATONIKE欧州委員会映像セリア・ホデント形態素解析frame.ioClone X欧州議会UXAWS LambdaFoodly村上隆欧州理事会誤字検出MusicLM認知科学中川友紀子Digital MarkAudioLMゲームデザインSentencePieceアールティSnapchatMusicCapsLUMINOUS ENGINEクリエイターコミュニティAudioCraftLuminous ProductionsBlenderBot 3バーチャルペットパターン・ランゲージ竹村也哉Meta AINVIDIA NeMo ServiceMubertちょまどマーク・ザッカーバーグヴァネッサ・ローザMubert RenderGOAPWACULVanessa A RosaGen-2Adobe MAX 2021陶芸Runway AI Film Festival自動翻訳Play.htPreViz音声AIAIライティングLiDARCharacter-LLMOmniverse AvatarAIのべりすとPolycam復旦大学FPSQuillBotdeforumChat-Haruhi-Suzumiyaマルコフ決定過程NVIDIA MegatronCopysmith涼宮ハルヒNVIDIA MerlinJasperハーベストEmu VideoNVIDIA MetropolisForGamesNianticパラメータ設計ゲームマーケットペリドットバランス調整岡野翔太Dream Track協調フィルタリング郡山喜彦Music AI Tools人狼知能テキサス大学ジェフリー・ヒントンLyriaGoogle I/O 2023Yahoo!知恵袋AlphaDogfight TrialsAI Messenger VoicebotインタラクティブプロンプトAIエージェントシミュレーションOpenAI Codex武蔵野美術大学StarCraft IIHyperStyleBingAI石渡正人Future of Life InstituteRendering with Style手塚プロダクションIntel林海象LAIKADisneyリサーチヴィトゲンシュタインPhotoshop古川善規RotomationGauGAN論理哲学論考Lightroom大規模再構成モデルGauGAN2CanvaLRMドラゴンクエストライバルズ画像言語表現モデルObjaverse不確定ゲームSIGGRAPH ASIA 2021PromptBaseBOOTHMVImgNetDota 2モンテカルロ木探索ディズニーリサーチpixivFANBOXOne-2-3-45Mitsuba2バンダイナムコネクサス虎の穴3DガウシアンスプラッティングソーシャルゲームEmbeddingワイツマン科学研究所ユーザーレビューFantiaワンショット3D生成技術GTC2020CG衣装mimicとらのあなNVIDIA MAXINEVRファッションBaidu集英社FGDC淡路滋ビデオ会議ArtflowERNIE-ViLG少年ジャンプ+Future Game Development ConferenceグリムノーツEponym古文書ComicCopilot佐々木瞬ゴティエ・ボエダ音声クローニング凸版印刷コミコパGautier Boeda階層的クラスタリングGopherAI-OCRゲームマスター画像判定Inowrld AIJulius鑑定ラベル付けMODAniqueTPRGOxia PalusGhostwriter中村太一バーチャル・ヒューマン・エージェントtoio SDK for UnityArt RecognitionSkyrimエグゼリオクーガー田中章愛実況パワフルサッカースカイリムCopilot石井敦銭起揚NHC 2021桃太郎電鉄RPGツクールMZComfyUI茂谷保伯池田利夫桃鉄ChatGPT_APIMZserial experiments lainGDMC新刊案内パワサカダンジョンズ&ドラゴンズAI lainマーベル・シネマティック・ユニバースコナミデジタルエンタテインメントOracle RPGPCGMITメディアラボMCU岩倉宏介深津貴之PCGRLアベンジャーズPPOxVASynthDungeons&Dragonsマジック・リープDigital DomainMachine Learning Project CanvasLaser-NVビートルズMagendaMasquerade2.0国立情報学研究所ザ・ビートルズ: Get Back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石川冬樹MERFDemucsスパコンAlibaba音楽編集ソフト里井大輝KaggleスーパーコンピュータVQRFAdobe Audition山田暉松岡 聡nvdiffreciZotopeAssassin’s Creed OriginsAI会話ジェネレーターTSUBAME 1.0NeRFMeshingRX10Sea of ThievesTSUBAME 2.0LERFMoisesGEMS COMPANYmonoAI technologyLSTMABCIマスタリングモリカトロンAIソリューション富岳レベルファイブ初音ミクOculusコード生成AISociety 5.0リアム・ギャラガー転移学習テストAlphaCode夏の電脳甲子園グライムスKaKa CreationBaldur's Gate 3Codeforces座談会BoomyVOICEVOXCandy Crush Saga自己増強型AIジョン・レジェンドGenie AISIGGRAPH ASIA 2020COLMAPザ・ウィークエンドSIGGRAPH Asia 2023ADOPNVIDIA GET3DドレイクC·ASEデバッギングBigGANGANverse3DFLAREMaterialGANダンスグランツーリスモSPORTAI絵師エッジワークスMagicAnimateReBeLグランツーリスモ・ソフィーUGC日本音楽作家団体協議会Animate AnyoneGTソフィーPGCFCAインテリジェントコンピュータ研究所VolvoFIAグランツーリスモチャンピオンシップVoiceboxアリババNovelAIさくらインターネットDreaMovingRival PrakDGX A100NovelAI DiffusionVISCUITぷよぷよScratchユービーアイソフトWebcam VTuberモーションデータスクラッチ星新一賞大阪公立大学ビスケット北尾まどかHALOポーズ推定TCGプログラミング教育将棋メタルギアソリッドVメッシュ生成KLabFSMメルセデス・ベンツQRコードVALL-EMagic Leap囲碁Deepdub.aiナップサック問題Live NationEpyllionデンソーAUDIOGEN汎用言語モデルWeb3.0マシュー・ボールデンソーウェーブEvoke MusicAIOpsムーアの法則原昌宏AutoFoleySpotifyスマートコントラクト日本機械学会Colourlab.AiReplica Studioロボティクス・メカトロニクス講演会ディズニーamuseChitrakarQosmoAdobe MAX 2022トヨタ自動車Largo.ai巡回セールスマン問題かんばん方式Cinelyticジョルダン曲線メディアAdobe ResearchTaskade政治Galacticaプロット生成Pika.artクラウドゲーミングがんばれ森川君2号AI Filmmaking Assistant和田洋一リアリティ番組映像解析FastGANStadiaジョンソン裕子セキュリティ4コママンガAI ScreenwriterMILEsNightCafe東芝デジタルソリューションズ芥川賞インタラクティブ・ストリーミングLuis RuizSATLYS 映像解析AI文学インタラクティブ・メディア恋愛PFN 3D ScanElevenLabsタップル東京工業大学HeyGenAbema TVLudo博報堂After EffectsNECラップPFN 4D Scan絵本木村屋SIGGRAPH 2019ArtEmisZ世代DreamUp出版GPT StoreAIラッパーシステムDeviantArtAmmaar Reshi生成AIチェッカーWaifu DiffusionStoriesユーザーローカルGROVERプラスリンクス ~キミと繋がる想い~元素法典StoryBird九段理江FAIRSTCNovel AIVersed東京都同情塔チート検出Style Transfer ConversationProlificDreamerオンラインカジノRCPUnity Sentis4Dオブジェクト生成モデルRealFlowRinna Character PlatformUnity MuseAlign Your GaussiansiPhoneCALACaleb WardAYGDeep Fluids宮田龍MAV3DMeInGameAmelia清河幸子ファーウェイAIGraphブレイン・コンピュータ・インタフェース西中美和4D Gaussian SplattingBCIGateboxアフォーダンス安野貴博4D-GSLearning from VideoANIMAKPaLM-SayCan斧田小夜Glaze予期知能逢妻ヒカリ宮本道人WebGlazeセコムLLaMA 2NightShadeユクスキュルバーチャル警備システムCode as PoliciesSpawningカント損保ジャパンCaPHave I Been Trained?CM3leonFortnite上原利之Stable DoodleUnreal Editor For Fortnite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コリジョンチェックT2I-AdapterXRPAIROCTOPATH TRAVELER西木康智VolumetricsOCTOPATH TRAVELER 大陸の覇者山口情報芸術センター[YCAM]AIワールドジェネレーターアルスエレクトロニカ2019品質保証YCAM日本マネジメント総合研究所Rosebud AI GamemakerStyleRigAutodeskアンラーニング・ランゲージLayer逆転オセロニアBentley Systemsカイル・マクドナルドLily Hughes-RobinsonCharisma.aiワールドシミュレーターローレン・リー・マッカーシーColossal Cave Adventure奥村エルネスト純いただきストリートH100鎖国[Walled Garden]​​プロジェクトAdventureGPT調査齋藤精一大森田不可止COBOLSIGGRAPH ASIA 2022リリー・ヒューズ=ロビンソンMeta Quest高橋智隆DGX H100VToonifyBabyAGIIPロボユニザナックDGX SuperPODControlVAEGPT-3.5 Turbo泉幸典仁井谷正充変分オートエンコーダーカーリング強いAIロボコレ2019Instant NeRFフォトグラメトリウィンブルドン弱いAIartonomous回帰型ニューラルネットワークbitGANsDeepJoin戦術分析ぎゅわんぶらあ自己中心派Azure Machine LearningAzure OpenAI Serviceパフォーマンス測定Lumiere意思決定モデル脱出ゲームDeepLIoTUNetHybrid Reward Architectureコミュニティ管理DeepL WriteProFitXImageFXウロチョロスSuper PhoenixWatsonxMusicFXProject MalmoオンラインゲームAthleticaTextFX気候変動コーチングProject Paidiaシンギュラリティ北見工業大学KeyframerProject Lookoutマックス・プランク気象研究所レイ・カーツワイル北見カーリングホールAppleWatch Forビョルン・スティーブンスヴァーナー・ヴィンジ画像解析Gemini 1.5気象モデルRunway ResearchじりつくんAI StudioLEFT ALIVE気象シミュレーションMake-A-VideoNTT SportictVertex AI長谷川誠ジミ・ヘンドリックス環境問題PhenakiAIカメラChat with RTXBaby Xカート・コバーンエコロジーDreamixSTADIUM TUBESlackロバート・ダウニー・Jr.エイミー・ワインハウスSDGsText-to-ImageモデルPixelllot S3Slack AIソフトバンクPokémon Battle Scopeダフト・パンクメモリスタAIスマートコーチポケットモンスターGlenn MarshallkanaeruThe Age of A.I.Story2Hallucination音声変換Latitude占いレコメンデーションJukeboxDreambooth行動ロジック生成AIVeap Japanヤン・ルカンConvaiEAPneoAIPerfusionNTTドコモSIFT福井千春DreamIconニューラル物理学EmemeDCGAN医療mign毛髪GenieMOBADANNCEメンタルケアstudiffuse荒牧英治汎用AIエージェント人事ハーバード大学Edgar Handy中ザワヒデキAIファッションウィーク研修デューク大学大屋雄裕インフルエンサー中川裕志Grok-1mynet.aiローグライクゲームAdreeseen HorowitzMixture-of-Experts東京理科大学NVIDIA Avatar Cloud EngineMoE人工音声NeurIPS 2021産業技術総合研究所Replica StudiosClaude 3リザバーコンピューティングSmart NPCsClaude 3 Haikuプレイ動画ヒップホップ対話型AIモデルRoblox StudioClaude 3 SonnetソニーマーケティングPromethean AIClaude 3 Opusサイレント映画もじぱnote森永乳業環境音暗号通貨note AIアシスタントMusiioC2PAFUZZLEKetchupEndelゲーミフィケーションAlterationAI NewsTomo Kihara粒子群最適化法Art SelfiePlayfool進化差分法オープンワールドArt TransferSonar遊び群知能下川大樹AIFAPet PortraitsSonar+D​​tsukurunウィル・ライト高津芳希P2EBlob Opera地方創生大石真史クリムトDolby Atmos吉田直樹BEiTStyleGAN-NADASonar Music Festival素材DETRライゾマティクスSIMASporeクリティックネットワーク真鍋大度OpenAI JapanデノイズUnity for Industryアクターネットワーク花井裕也Voice Engine画像処理DMLabRitchie HawtinCommand R+SentropyGLIDEControl SuiteErica SynthOracle Cloud InfrastructureCPUDiscordAvatarCLIPAtari 100kUfuk Barış MutluGoogle WorkspaceSynthetic DataAtari 200MJapanese InstructBLIP AlphaUdioCALMYann LeCun日本新聞協会立命館大学プログラミング鈴木雅大AIいらすとや京都精華大学ソースコード生成コンセプトアートAI PicassoTacticAIGMAIシチズンデベロッパーSonanticColie WertzEmposyNPMPGitHubCohereリドリー・スコットAIタレントFOOHウィザードリィMCN-AI連携モデル絵コンテAIタレントエージェンシーGPT-4oUrzas.aiストーリーボードmodi.aiProject Astra介護大阪大学BitSummitGoogle I/O 2024西川善司並木幸介KikiBlenderBitSummit Let’s Go!!Gemma 2サムライスピリッツ森寅嘉Zoetic AIVeoゼビウスSIGGRAPH 2021ペット感情認識ストリートファイター半導体Digital Dream LabsPaLM APIデジタルレプリカ音声加工Topaz Video Enhance AICozmoMakerSuiteGOT7マルタ大学DLSSタカラトミーSkebsynthesia田中達大山野辺一記NetEaseLOVOTDreambooth-Stable-DiffusionHumanRFInworld AI大里飛鳥DynamixyzMOFLINActors-HQMove AIRomiGoogle EarthSAG-AFTRAICRA2024U-NetミクシィGEPPETTO AIWGAIEEE13フェイズ構造ユニロボットStable Diffusion web UIチャーリー・ブルッカー大規模基盤モデルADVユニボPoint-EToroboXLandGato岡野原大輔東京ロボティクスAI model自己教師あり学習インピーダンス制御DEATH STRANDINGAI ModelsIn-Context Learning(ICL)深層予測学習Eric Johnson汎用強化学習AIZMO.AILoRA日立製作所MOBBY’Sファインチューニング早稲田大学Oculus Questコジマプロダクションロンドン芸術大学モビーディックグランツーリスモ尾形哲也生体情報デシマエンジンGoogle Brainダイビング量子コンピュータAIRECSound Controlアウトドアqubit汎用ロボット写真SYNTH SUPERAIスキャニングIBM Quantum System 2オムロンサイニックエックス照明Maxim PeterKarl Sims自動採寸北野宏明ViLaInJoshua RomoffArtnome3DLOOKダリオ・ヒルPDDLハイパースケープICONATESizerジェン・スン・フアンニューサウスウェールズ大学山崎陽斗ワコールHuggingFaceClaude Sammut立木創太スニーカーStable Audioオックスフォード大学浜中雅俊UNSTREET宗教Lars Kunzeミライ小町Newelse仏教杉浦孔明テスラ福井健策CheckGoodsコカ・コーラ田向権GameGAN二次流通食品VASA-1パックマンTesla Bot中古市場Coca‑Cola Y3000 Zero SugarVoxCeleb2Tesla AI DayWikipediaDupe KillerCopilot Copyright CommitmentAniTalkerソサエティ5.0Sphere偽ブランドテラバース上海大学SIGGRAPH 2020バズグラフXaver 1000配信京都大学ニュースタンテキ養蜂立福寛東芝Beewiseソニー・ピクチャーズ アニメーション音声解析DIB-R倉田宜典フィンテック感情分析投資Fosters+Partners周 済涛韻律射影MILIZEZaha Hadid Architectsステートマシン韻律転移三菱UFJ信託銀行ディープニューラルネットワーク

【CEDEC2022】AIでモーションスタイル変換〜バンダイナムコ研究所の取り組み〜

2022.10.26ゲーム

【CEDEC2022】AIでモーションスタイル変換〜バンダイナムコ研究所の取り組み〜

バーチャルなキャラクターの活用の場はゲームやアニメのみに留まらず、いまや動画配信やバーチャル空間のアバターなど、キャラクタービジネスの可能性は多方面へと広がっています。一方で、キャラクターの作り込みには経験やスキルが必要です。バンダイナムコ研究所では、AIを使った人型キャラクターのモーションデータの利活用について研究開発が進められています。CEDEC2022のセッション「モーションキャプチャデータを題材にしたAI研究プロジェクトのポストモーテム – データセット構築からモーションスタイル変換プロジェクトまで」ではバンダイナムコ研究所の髙橋誠史氏、森本直彦氏、株式会社ACESの小林真輝人氏が登壇し、この取り組みを紹介しました。

モーションデータ×AIの潜在ニーズ

バンダイナムコグループのR&Dを担うバンダイナムコ研究所は、ゲーム制作へのAI技術の応用というところで、これまでテキスト(シナリオ、セリフ)、音声(ボイス、効果音、BGM)を対象とした研究を行っています。次の研究開発の対象として着目したのがモーションデータです。とはいえ、ゲームにおけるモーションデータの制作シーンを考えたときにどのような課題があるでしょうか。AIを使うことで何ができるか、どう貢献できるのかを検討するところから始めました。

モーションデータはキャラクターの表現にとって非常に重要な要素です。主役級のキャラクターであれば、モーションアクターをキャスティングして何時間も収録するなどコストをかけて作っていきます。ただし、すべてのキャラクターにそうできるわけではありません。モブ的なキャラクターが大勢、それも老若男女が出てくるとき、そのすべてを収録でカバーすることはまずできません。もし、AIの導入でモーションデータの変換が容易にできれば、ゲームとしての表現が格段に上がるでしょう。

もちろんゲームだけではなく、メタバースの中のアバターにも活用できます。ビジュアルで個性を表現できるようになっていても、動き(モーション)まではカスタマイズが難しいというのが現状です。ちょっとした仕草や動き、そこにも個性を出したいと思う人は多いはずです。あるいは、演者の属性と異なるアバターを演じたいという場合、たとえば男性が美少女のアバターを使って配信するとき、リアルな素の動作を可愛いらしくしたいと思うことがあるでしょう。このように、キャラクターの個性を表現する用途において大きなニーズがあると考えられます。

また、たとえば踊りやパフォーマンスがテーマのゲームなどで、キャラクターが徐々に上手になる過程を描きたいとき、最初は下手に見せたいということがあるでしょう。ボイスチェンジャーのようにモーションの変換ができれば、このようなニーズにも応えることができます。

ニーズがありそうだということで、モーションデータを扱う先行研究を「キャラクターコントロールに関するもの」「モーションをスタイル変換するもの」「自然言語処理によるモーション生成」に分けて調べていきました。

まず、キャラクターコントロールに関する関連研究として、「AI4Animation: Deep Learning for Character Control」が挙げられます。SIGGRAPH 2017で発表された「Phase-Functioned Neural Networks for Character Control(PFNN)」からスタートした一連の研究群です。モーションを学習したモデルからキャラクターのスケルトンアニメーションの制御を行うというもので、ゲームのキャラクター制御にディープラーニングを取り入れたエポックメイキングな研究として知られています。

AI4Animation: Deep Learning for Character Control

他にも、GDC 2022のAnimation SummitでElectronic Artsが発表した「’FIFA 22’s’ Hypermotion: Full-Match Mocap Driving Machine Learning Technology」があります。サッカーゲームの選手キャラクターのモーションを機械学習で生成しようという研究で、収録したデータを学習して、ボールに対する選手のインタラクションなどのモーション選定を機械学習で推論するというものです。サッカースタジアムで、実際のゲームの形式でデータを収集するという大規模なプロジェクトです。

‘FIFA 22’s’ Hypermotion: Full-Match Mocap Driving Machine Learning Technology

次に、モーションをスタイル変換するというカテゴリーです。これは、「歩く」「走る」というモーションに対し、後から「おじいさんの動き」「小さな子どもの動き」というような演技スタイルを加えることで、異なる演技スタイルに変えるというジャンルです。これに関して注目しているものとして2つの研究を取り上げました。

1つが「Unpaired Motion Style Transfer from Video to Animation」です。SIGGRAPH 2020で発表されたもので、現在のAIによるモーションスタイル変換のベースになってる研究です。もう1つが「Motion Puzzle: Arbitrary Motion Style Transfer by Body Part」で、これはUnpaired Motion Style Transferを手や足など部位ごとに適応させるという後続の研究です。2022年の3月に論文が出て、SIGGRAPH 2022で発表されました。

Unpaired Motion Style Transfer from Video to Animation, SIGGRAPH 2020,Motion Puzzle: Arbitrary Motion Style Transfer by Body Part, SIGGRAPH 2022

そして、自然言語処理によるモーション生成の先行研究として、「MotionCLIP: Exposing Human Motion Generation to CLIP Space」、「AvatarCLIP: Zero-Shot Text-Driven Generation and Animation of 3D Avatars」が紹介されました。巷でもDALL・EやMidjourneyのように、文章を入れたら絵が生成されるAIモデルが流行っていますが、それと同じように、文章をもとにアクションやモーションを生成する研究です。

MotionCLIPはテキストとモーション生成の関係性についての研究で、一方、AvatarCLIPは動作だけでなく、人型のキャラクターに貼り付けるテクスチャー、体型なども文章から生成するというものです。

この分野は今回の取り組みよりも少し先の未来の話だとしながらも、もちろん研究としては視野に入れていると言います。髙橋誠史氏(以下、髙橋氏)は「文章を入れたらいい感じのモーションが生成される」というモデルの実用化まで、あと2、3年というところではないかと言います。

MotionCLIP: Exposing Human Motion Generation to CLIP Space, ECCV 2022,AvatarCLIP: Zero-Shot Text-Driven Generation and Animation of 3D Avatars, SIGGRAPH 2022

こうした先行研究をサーベイしながら、多数のキャラクター、個性的なメタバースアバターへの長期的な活用につながるということで、モーションスタイル変換の研究を進めていくことになります。実際のゲームに組み込むというより、まずは「データを入れてデータが出てくる」という部分で考えていきました。

今回のプロジェクトの座組みに当たって、「CG」「モーションアニメーション」「AI」の3つの領域の専門家が必要です。内部リソースの稼働の問題もあり、株式会社ACEに協力を依頼するという体制でスタートしました。

モーションスタイル変換とは

では、モーションスタイル変換で何ができるようになるのでしょうか。モーションスタイル変換の技術についてはACEの小林真輝人氏(以下、小林氏)から解説がありました。ACEは2017年創業の東京大学松尾研発のAIスタートアップで、以前からカメラ映像を使った運動認識のAI開発に取り組んでいます。

小林氏は、まず「モーションスタイルの変換(Motion Style Transfer)」というタスクについて、もともとは画像のスタイルトランスファー(Style Transfer)のモーション版にしたものだと言います。つまり、もともとのモーションのコンテンツの情報を維持したままスタイルの情報を変換した新しいモーションを生成するタスクということになります。

モーションスタイル変換のタスク

画像の場合、たとえば船の画像であれば「船が写っている」というところがコンテンツに当たります。それに対しスタイルは画風のようなもので、スタイルトランスファーというタスクのアウトプットは「コンテンツとスタイルを掛け合わせたトランスファーの結果」です。

モーションの場合は、たとえば歩いているというような「何をしているか」という情報がコンテンツで、スタイルは「どのように歩いているか」という情報になり、アウトプットは「そのスタイルを反映させて歩いているというモーション」になります。より具体的には、属性(年齢や性別など)や性格によるキャラクターの”らしさ”やキャラクターの感情、状態(「元気だ」とか「疲れている」とか)というような情報が具体的なモーションにおけるスタイルに該当します。

今回、いくつかあるモーションスタイル変換に関する関連研究の中から、Abermanの2020年の論文をベースとして進めることにしました。小林氏は、2020年時点での比較とした上で、Abermanの論文の優れている点として、ペアではない学習データでも学習が可能であるという点、また学習データセットにふくまれていない未学習のスタイルに変換できる点、動画からそのままスタイルが抽出できるといった点を挙げています。それらの利点が、この「キャラクターのモーションの作成」という目的に適切であると考えたのです。

モーションスタイル変換の関連研究(2020年)

2022年の現在、モーションスタイル変換はさらに研究が進んでおり、前述のMotion Puzzleのように部位ごとにスタイルが反映できたり、関節間の空間的な関係を考慮した変換ができるといったようなところも進んでいるといいます。

モーションスタイル変換の関連研究(2022年)

独自の改善点:ボーン構造の変更とROOT位置

Abermanの2020年の論文をベースにはしていますが、独自の改善をかなり行っています。

たとえば、ボーン構造の変更です。理由として、アカデミアの研究開発で使われているボーン構造と一般的なゲーム開発などで用いられるボーン構造が異なるということがあります。図の左がもともとの論文で使われているボーン構造で、右がこのプロジェクト内で収録したデータセットで使っているボーン構造です。

そもそものプロポーションが違っているし、腰と股関節のジョイントの位置関係や複数のジョイントが重なって存在したり、回転の定義の仕方などの相違点が多々あります。このまま現在のゲーム開発で使われているボーンにこの左側のボーンで作られたモーションを適用するのは難しいということで、今回、一般的なゲーム開発で用いられているボーン構造で学習データを用意することになりました。学習データだけではなく、変更したボーン構造で学習できるようモデル側の修正も必要でした。

独自の改善事例 − ボーン構造の変更

また、アルゴリズムの調整も行っています。もともとの論文では、腰を基準にジョイントの位置情報を取得してモーションスタイルの変換を行います。このとき、腰の位置は入力時のROOTの位置をそのまま適用しています。しかし、そうすると腰の動きに関してスタイルの反映ができないということになります。そこで、位置の基準となるジョイントをコンテンツの動作を元に選定するというアプローチを採りました。

独自の改善事例 − ROOTの移動

モーションスタイルの変換例

実際に変換した結果は、というと、次の図は「歩き」というコンテンツを男性から女性のスタイルに変換したものです。このように、各スタイルが反映され、かつ、歩いているというコンテンツが維持されたモーションが出力できます。

「歩き」の変換(1)

さらに、「元気」「疲労」「子供」「老人」というスタイルに関しても、コンテンツを維持してスタイルを反映したなめらかなモーションが生成できます。

「歩き」の変換(2)

また、「走り」という動作に関してもコンテンツを維持してスタイルを反映した、なめらかなモーションが生成できています。「走り」は「歩き」に比べるとモーションが激しいため、難易度的には少し上がります。

「走り」の変換(1)
「走り」の変換(2)

3Dアニメーターがプロジェクトにいる意味

でき上がったモーションや研究開発の過程におけるモーションデータに関するディレクションを監修していたのが、株式会社バンダイナムコ研究所の森本直彦氏(以下、森本氏)です。

森本氏は、バンダイナムコスタジオで長く3Dアニメーターとしてゲーム制作に携わり、現在バンダイナムコ研究所にてアニメーションに関わるR&Dを行っています。まず、今回のプロジェクトにおいて、アニメーションの専門家として3つの役割があったと振り返ります。

  • データセット構築のためのモーションキャプチャーに関するすべて:モーションキャプチャーは特殊な分野のため、スケジューリングやキャスティング、収録の進め方など、すべてを担当
  • プロジェクト全体を通じて、アウトプットされた結果そのものの品質をある程度見極める:現状のAI研究はそれぞれ非常に興味深い成果を出しているが、実際に商品にしようとしたときに求められる完成度とは別。ときに非常に厳しい意見をフィードバックとして出すことも多々あった
  • 専門家としての視点からの気付きやアドバイス:「動き」という点だけに着目してきた長年のアニメーターとしての経験からの知見や気付きをフィードバックする

森本氏は、特にデータセットへの落とし込み(モーションの収録)という点で、今回のプロジェクトで痛感したのは圧倒的なデータ量が必要となるというところだったと言います。手探りで進めていたこともあるとはいえ、たとえば1つのモーション(「歩き」や「走り」など)に対し、スタイルを掛け算していくとすぐに100モーションというような数字になってしまいます。1モーションが5分だとすると100モーションで500分、まともに収録すると収録日数もふくめたモーションキャプチャの費用だけで何千万円という途方もない金額になります。とても研究予算の中に収まりません。

そのため、AIのエンジニアと相談しながら、本当に必要な内容を残しつつ、全体の収録量を現実的なラインに落とし込んでいったそうです。データセットについては次項でも触れますが、データセットを設計する際の気づきとして指摘したのが「モーション(動作そのもの)とアニメーションを意識的に分けて考える」ことです。

たとえば「手を挙げる」動作はモーションです。それに対して、その動作に目的をふくめて表現したものがアニメーションだという考え方です。人間が「手を挙げる」のは遠くにいる人への挨拶であったり、あるいは意見があることを示したい場合だったり、その動作には目的があるわけです。

アニメーターにとっては動作そのものよりもその目的のほうが重要で、動作は目的に付随したものという位置づけです。そういった目的のほうに着目して動きをイメージしたり表現したりということを無意識にしがちなのですが、一方で、AIは学習する際にその動きの意味や目的は認識していません。AIはあくまで動作そのものしか見ないので、AIに学習させる内容を検討する際には人間の側も意識的に動作のほうに着目して考えるようにしなければ、なかなかAIに学習させやすいデータセットは作れないのではないかと言います。

これは非常に興味深い観点で、目的が異なっても同じ「動作」にカテゴライズできるものはあるわけで、そういった整理を事前にしっかりしておくことでノイズの少ない、学習しやすいデータセットを作ることができるのではないかということです。

また、演者(モーションアクター)の難易度が非常に高いというところも留意点として挙げています。ゲームのモーション収録では、せいぜい数百秒の収録です。しかし前述のように、AIが学習するためのデータセットに必要な収録は数時間、場合によっては数十時間かかります。アクターにとっては体力勝負になります。

さらに、ただ動けばいいわけではなくて、スタイルを学習させるためのデータなので、常にスタイルの違いなどを反映した質の高い動きを保ってもらう必要があります。実際、今回のプロジェクトではアクターとして非常に高いスキルを持つ演者に依頼したそうです。ちなみに、収録はバンダイナムコスタジオのモーションキャプチャスタジオで行っています(Viconの光学式モーションキャプチャシステムで収録)。

データセットの設計について

データセットの設計に関する先行研究として参考にしたものとして「Ubisoft La Forge Animation Dataset(”LAFAN1″)」や「100STYLE dataset, I3D 2022」があります。

データセットの設計に関する先行研究

データセットの概要としては、次の図のとおりです。コンテンツやスタイルの種類が豊富なMotiondataset-1と1種類のモーションの収録量が多いMotiondataset-2があります。大きな違いは、Motiondataset-2のほうが1種類あたりのフレーム数が圧倒的に多いという点です。Motiondataset-1とMotiondataset-2があるのは収録を2回行っているからです。要は、Motiondataset-1を使った実験の結果に基づいて、AIがより学習しやすいようにMotiondataset-2を収録した、ということになります。

たとえば「歩く」×「悲しい」と「歩く」×「楽しい」で生成した結果どちらも同じようになってしまう、そうした点を反映するために、同一スタイルの中の表現のばらつきを解消する、1種類あたりのデータ量を多くするなどして収録を行いました。

また、変換に使っているモデルのアルゴリズムの部分も改良し、学習難易度を下げるために似たようなコンテンツでカテゴライズし、モデルを使い分けるという形にしています。その結果、アウトプットの質も大きく改善したと言います。

データセットの概要
Motiondataset-1にあった課題

モーションデータのデータセットを設計する上で、今後の課題として高橋氏が指摘するのは、データのラベリングやアノテーションの仕方といった部分です。今回のデータセットに関しては「歩く」「走る」というようなアクションそのもののコンテキストと、男性女性老人若者というようなスタイルをファイル名に入れるという命名規則で十分でしたが、より複雑な処理をしようとした場合、ラベリングやアノテーションの仕方が課題になってくると考えています。

バンダイナムコ研究所では、今回のプロジェクトで使用したデータセットを公開しています。 モーション変換アルゴリズムだけでなく、こうしたさまざまな先行研究を利用する中で、自分たちも何か業界やアカデミアに返せるものがないかということで、今回、データセットの公開を行ったそうです。

データセットの公開

今回のプロジェクトはデータセットを公開したところが終了ではなく、この後、これを活用していくというところが自分たちの技術開発において礎になると考えています。今、文章から絵を自動生成するAIモデルが世の中を席巻していますが、これはモーションの世界でも起こるでしょう。そうしたとき、ツールの形で利用するのか、自分たちでモーションデータを収録して研究開発するのか、2つの選択肢があるが、どちらにしてもアンテナを張っておくという意味でこうした研究開発の意味は大きいと高橋氏は言います。

今後も、こうしたチャレンジを続けて、データセットの更新や論文化を進めていく予定です。

Writer:大内孝子

RELATED ARTICLE関連記事

モリカトロンとAIが切り開くゲーム開発のフロンティア:森川幸人氏インタビュー

2019.4.23ゲーム

モリカトロンとAIが切り開くゲーム開発のフロンティア:森川幸人氏インタビュー

ゲーム業界はいかにして5Gという衝撃に対峙すべきか?:和田洋一氏インタビュー

2019.7.26ゲーム

ゲーム業界はいかにして5Gという衝撃に対峙すべきか?:和田洋一氏インタビュー

マイクロソフト・リサーチが開発したゲームAIリソースコレクション

2021.4.26ゲーム

マイクロソフト・リサーチが開発したゲームAIリソースコレクション

RANKING注目の記事はこちら