{"id":105302,"date":"2022-10-13T15:36:48","date_gmt":"2022-10-13T13:36:48","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/otkryt-kod-sistemy-mashinnogo-obucheniya-dlya-generaczii-realistichnyh-dvizhenij-cheloveka"},"modified":"2022-10-13T15:36:48","modified_gmt":"2022-10-13T13:36:48","slug":"otkryt-kod-sistemy-mashinnogo-obucheniya-dlya-generaczii-realistichnyh-dvizhenij-cheloveka","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/news\/otkryt-kod-sistemy-mashinnogo-obucheniya-dlya-generaczii-realistichnyh-dvizhenij-cheloveka","title":{"rendered":"\u00c8 stato aperto il codice del sistema di apprendimento automatico per generare movimenti realistici dell'essere umano.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Un gruppo di ricercatori dell'Universit\u00e0 di Tel Aviv ha rilasciato i codici sorgente relativi al sistema di apprendimento automatico MDM (Motion Diffusion Model), che consente di generare movimenti umani realistici. Il codice \u00e8 scritto in Python utilizzando il framework PyTorch ed \u00e8 distribuito con licenza MIT. Per eseguire esperimenti, \u00e8 possibile utilizzare sia modelli preaddestrati che addestrare autonomamente i modelli utilizzando gli script forniti, ad esempio, utilizzando la collezione di immagini 3D umane HumanML3D. Per addestrare il sistema \u00e8 necessaria una GPU con supporto CUDA. <\/p>\n
L'applicazione delle tradizionali capacit\u00e0 di animazione dei movimenti umani \u00e8 ostacolata da complicazioni legate alla grande variet\u00e0 di possibili movimenti e alla difficolt\u00e0 della loro descrizione formale, oltre alla grande sensibilit\u00e0 della percezione umana ai movimenti innaturali. Precedenti tentativi di utilizzare modelli generativi di apprendimento automatico hanno avuto problemi di qualit\u00e0 e limitata espressivit\u00e0. <\/p>\n
Nel sistema proposto, si \u00e8 tentato di utilizzare modelli di diffusione per generare movimenti, che per loro natura si adattano meglio alla simulazione dei movimenti umani, ma non sono privi di difetti, come le elevate esigenze di risorse computazionali e la complessit\u00e0 della gestione. Per minimizzare i difetti dei modelli di diffusione, MDM utilizza una rete neurale con architettura 'transformer' e prevede il campionamento (sample) anzich\u00e9 la previsione del rumore in ogni fase, semplificando la prevenzione di anomalie, come la perdita di contatto della superficie con il piede. <\/p>\n
Per gestire la generazione, \u00e8 prevista la possibilit\u00e0 di applicare una descrizione testuale dell'azione in linguaggio naturale (ad esempio, 'una persona cammina in avanti e si piega per raccogliere qualcosa da terra') o utilizzare azioni standard, come 'corsa' e 'salti'. Il sistema pu\u00f2 anche essere utilizzato per modificare i movimenti e riempire dettagli mancanti. I ricercatori hanno condotto test in cui ai partecipanti \u00e8 stato chiesto di scegliere tra diverse opzioni il risultato di qualit\u00e0 superiore: nel 42% dei casi, le persone hanno preferito i movimenti sintetizzati rispetto a quelli reali.
![\"Riproduci](\"https:\/\/img.youtube.com\/vi\/rVkIDj5wgjs\/hqdefault.jpg\")
\r\n