Facebook的人工智能研究人員已經(jīng)開(kāi)發(fā)出一種方法，可以通過(guò)簡(jiǎn)單地分析真人做特定動(dòng)作的視頻，輕松地將真人變成可玩的游戲角色。我的夢(mèng)想是在NBA Jam中最終成為一個(gè)不可鎖定的角色，這離我的夢(mèng)想又近了一步。
利用真人的鏡頭來(lái)幫助創(chuàng)造電子游戲，這遠(yuǎn)非一個(gè)新想法。
上世紀(jì)90年代，第一個(gè)全息視頻游戲《世嘉時(shí)空旅行者》（Sega’s Time Traveller）根據(jù)玩家的選擇播放預(yù)先錄制的視頻片段，拼湊出一種游戲體驗(yàn)?！墩嫒丝齑颉纷钤绲陌姹疽彩峭ㄟ^(guò)在一個(gè)聲音舞臺(tái)上拍攝穿著戲服的角色創(chuàng)造出來(lái)的，但是為了保證游戲的順利進(jìn)行，這些鏡頭被轉(zhuǎn)換成動(dòng)畫(huà)角色。
如今，大多數(shù)電子游戲中的角色都是完全三維的模型，盡管玩家可以花費(fèi)數(shù)小時(shí)定制外觀來(lái)反映自己，甚至繪制自己的臉，但角色的動(dòng)作仍然是基于基礎(chǔ)動(dòng)畫(huà)。
他最近在Facebook的人工智能研究部門(mén)發(fā)表的研究報(bào)告可以改變這一切。
兩個(gè)不同的神經(jīng)網(wǎng)絡(luò)在長(zhǎng)度為5到8分鐘的鏡頭上進(jìn)行訓(xùn)練，對(duì)于執(zhí)行特定動(dòng)作的人，比如打網(wǎng)球。
第一個(gè)網(wǎng)絡(luò)Pose2Pose分析鏡頭并提取正在進(jìn)行動(dòng)作的人。第二個(gè)網(wǎng)絡(luò)Pose2Frame然后傳輸該人的所有元素，包括他們正在創(chuàng)建的陰影和反射，然后將其覆蓋到新的背景設(shè)置上，該設(shè)置可以是渲染的視頻游戲區(qū)域。
其結(jié)果并不像現(xiàn)代游戲機(jī)所能生成的詳細(xì)3D游戲角色那樣流暢流暢，但它們是完全可控的。
隨著這項(xiàng)研究的發(fā)展，結(jié)果無(wú)疑會(huì)得到改善，但是混合方法可能會(huì)更好。人工智能可以在視頻中提取某個(gè)人的特征，包括他們移動(dòng)方式的細(xì)微差別，并自動(dòng)將其應(yīng)用到一個(gè)定制的3D角色上，省去了玩家自己進(jìn)行數(shù)百次微調(diào)的辛苦工作。
不過(guò)，隨著世界向更多的虛擬現(xiàn)實(shí)體驗(yàn)邁進(jìn)（記住，F(xiàn)acebook擁有Oculus），它將使我們更容易創(chuàng)造出可信的虛擬人物。你的朋友可以用智能手機(jī)拍下你跳舞的視頻，幾秒鐘后，你在虛擬世界里也會(huì)顯得很尷尬。
https：//www.gizmodo.com.au/2019/04/ai-might-soon-make-it-easy-to-put-yourself-in-your-favourite-video-game/#
來(lái)源：gizmodo
