PDF Download
PubReader
Export Citation
Email the Author
Share Facebook
Share Twitter
Cited by 1 Article
Metrics (View:3,790)
1. 서론
자신 또는 주변의 환경에 따라 자연스러운 캐릭터 애니메이션을 만들 수 있는 모션 생성기법은 컴퓨터 그래픽스 분야에서 중요한 과제이다. 모션 생성 모델은 환경에 대한 정보 및 사용자 입력 을 받아 캐릭터의 포즈를 결정한다. 일반적으로 사용자의 입력에 따라 자연스럽게 반응하는 캐릭터 동작 생성을 목표로 하기에 이 러한 모션 생성 기법은 게임과 같이 사용자가 상호작용을 통해 캐릭터를 제어하는 응용 프로그램에서 특히 중요하게 다뤄지는 부분이기도 하다. 이런 시스템에서 효과적으로 모션을 생성할 수 있는 매개변수를 선정하는 것은 매우 중요하다. 매개변수의 구조 가 복잡하지 않을 수록, 차원이 작을수록 사용되는 자원이 줄어들 며, 해당 매개변수로 다룰 수 있는 동작의 다양성이 높을 수록 매 개변수를 통해 만들어 낼 수 있는 행동이 더 자연스럽고 다양해질 수 있기에 실용적이면서도 좋은 성능을 가진 생성 모델을 만들어 내기 위해서는 바람직한 매개변수를 찾는 것이 필수적이다.
이에 본 논문에서는 무게 중심이라는 캐릭터 정보에 주목했다. 무게 중심 정보는 캐릭터의 동작을 결정하는 매개변수로 사용하 는데 필요한 장점을 충분히 가지고 있다. 우선 무게중심은 매우 작은 차원만으로 표현이 가능하다. 좌표계에서 무게중심의위치 를 나타내기 위한 x, y, z축의 위치 값만 있으면 된다. 또한 무게 중심의 위치 변화만 가지고도 많은 동작을 예측할 수 있다. 예를 들면, 걷는 동작의 경우 무게 중심은 y축을 지면에 수직인 방향이 라 가정했을 때 x, z평면에서의위치 값이 변화하며,y축 방향으로 는 아주 작은 폭으로 진동하는 움직임을 보인다. 달리는 동작의 경우 걷는 동작과 유사하나, x, z 평면에서의 속력에 차이가 생 긴다. 뛰어오르는 동작과 쭈그려 앉는 동작에서는 y값의 변화가 커진다. 본 논문에서는 무게 중심 정보에 추가로 좀 더 자연스러 운 결과물을 만들기 위해 모션 이력 정보를 추가로 활용하여 무게 중심을 통한 포즈 예측의 정확성을 높였다.
캐릭터 애니메이션 분야에 다양한 신경망을 활용한 연구 가 활발히 진행되고 있다. 이러한 연구에서는 Convolutional Neural Network(CNN)[1], Recurrent Neural Network(RNN)[2] 같이 기본적인 형태의 신경망을 비롯하여 Phase-Functioned Neural Network(PFNN)[3]이나 Mode-Adaptive Neural Network(MANN)[4] 같이 성능 향상을 꾀하기 위해 기존 신 경망을 개선시킨 새로운 네트워크를 활용했다. 이 논문에서 보일 모션 생성 모델은 그 중 CNN을 활용하여 모델을 학습했다. 여기 서 CNN을 사용하여 연속적인 시계열 모션 데이터를 처리하기 위해 Holden et al. 2015[1]가 제안한 방법을 사용했다.
본 논문에서는 무게 중심 정보를 통해 현재 프레임의 전신 포 즈를 예측하는 모델을 제안한다. 무게 중심 정보는 각 유형의 동 작에 대응되는 독자적인 패턴을 나타내므로 이 특성을 활용하면 네트워크의입력으로 들어가는 데이터셋에 각 동작유형의 라벨 을 따로 명시하지 않아도 다양한 유형의 동작들을 모델 스스로가 판단하고 처리할 수 있다. 이를 통해 사용자는 전처리 과정에서 각 동작 유형에 대해 수동으로 라벨링 해 줘야 하는 부담을 덜어 편의성과 효율성을 얻을 수 있으며 다양한 동작에 대한 잘못된 라 벨링이 발생할 위험을 피할 수 있다. 본 논문에서 제안하는 기법 은 사용자가 무게중심을 직접조작하면모델에서 이를 입력받아 적합한 모션을 예측하는 형태로 활용될 수 있을 것이다.
2. 관련 연구
컴퓨터 그래픽스에서 모션을 만들 때 사용되는 대표적인 방법 으로 데이터-기반 접근법(data-driven approach)과 물리-기반 접 근법(physics-based approach)이 있다. 물리-기반 접근법은 물리 법칙에 따라 수식을 계산하여 캐릭터의 모션을 생성한다. 반면 데이터-기반 접근법은 모션 캡쳐 장비를 이용해 얻어낸 실제 사 람의 여러 모션 데이터를 통해 계산 모델을 구축하여 대상의 행동 구조를 모델링하는 기술이다. 본 논문은 데이터-기반 접근법에 기반하여 연구를 수행했다. 데이터-기반 접근법의 주요 목표는 모션 캡쳐 데이터셋과 같은 고품질의 데이터 집합을 활용하여 임의의 환경에서 캐릭터의자연스러운 동작을 생성하는 것이다. 이에 Lee et al. 2002[5], Kovar et al. 2002[6], Arikan and Forsyth 2002[7]에서는 모션 그래프(motion graph)라는 개념을 제안하고, 여러 모션 캡쳐 데이터를 연결하여 연속적인 캐릭터의 움직임 을 합성하는 방법을 연구했다. 나아가 Lau and Kuffner 2005[8] 는 보다 간단하고 모션간의 연결 상태가 명확한 구조의 유한 상 태 머신(finite-state machine)을 통해 상호작용을 위한 캐릭터의 반응성을 향상시켰으나, 유한 상태 머신의 표현력에는 한계가 있 어 다양한행동 중 일부만 묘사 가능하다는 단점이있다. Hyun et al. 2016[9]에서는 복잡한행동 구조를 모델링하기 위한 방법으로 motion grammar를 제안했다.
모션 캡쳐 데이터는 각 프레임에서의 동작 정보가 시간 순서 에 따라 나열 될 때 의미를 가지는 일종의 시계열 데이터로 볼수 있으며, 이러한 관점에서 계산 모델을 구현하려는 다양한 연 구들 또한 있었다. 연속적으로 나열된 데이터의의미를 추출하고 이를 통해 결과를 만들어 내는 계산 모델을 제안하기 위해 선형 회귀(linear regression)[10], K-Nearest Neighbor(KNN)[11], 커널 기반 접근법[12]과 같은 학습 방법을 사용하여 시계열 데이터의 의미를 학습하는 연구가 여럿 진행된 바 있다.
근래 들어 신경망을 활용한 연구가 활발히 진행되고 있다. 신경 망은 학습을 수행할 때 데이터의 양에 상관 없이 연구자가 정한, 작은 크기의 메모리 공간만을 사용하며 비 선형적인 모델링이 가능하다. 또한 학습이 완료된 모델을 실행할 때에는 빠른 시간 안 에 적은 양의 메모리만을 사용하여 좋은 품질의 결과물을 출력하 므로 실시간으로 데이터를 처리해야 하는 시스템에 효과적이다. 모션 생성을위해 다양한 종류의 신경망들이 활용되었는데, Taylor et al. 2009[13], Taylor et al. 2011[14]은 conditional Restricted Boltzmann Machine(cRBM)으로 모션 데이터를 학습시켰으며, Holden et al. 2015[1]는 Convolutional Neural Network(CNN)을 활용하여 시계열 데이터를 처리하고 학습하는 방법을 제안했다. Mordatch et al. 2015[2], Lee et al. 2018[15]은 캐릭터 애니메이션 에 Recurrent Neural Network(RNN)를 활용했다. 본 논문에서는 Holden et al. 2015[1]에서 제안한 방법과 비슷하게 CNN모델을 구성했고 이를 사용하여 모션 데이터를 학습시켰다. 이에 대한 자세한 내용은 Section 3.3에서설명할 것이다.
3. 무게중심을 활용한 모션 생성 모델
본 논문에 사용된 모델을 학습시키는데 필요한 데이터셋을 준비 하기 위해 가공되지 않은 모션 캡쳐 데이터를 전처리하고 입력 및 출력 벡터를만들었다. 네트워크는 이 학습 데이터셋을이용하여 end-to-end 방식으로 학습되었다.
학습 된 모델은이전 프레임까지의 모션 이력과 현재 프레임의 무게 중심 위치로 이루어진 입력 값 x를 받아 현재 프레임의 캐릭 터의 포즈 ŷ을 예측하는 시계열 모델이다. 모션 이력은일정 시간 동안의 연속된 포즈 데이터들로 구성되며 시간이 흐름에 따라 자 동으로 갱신된다. 생성 모델은 CNN과 fully-connected network로 구성된 간단한 형태의 신경망으로 구성 되었다.
본 논문의 학습 데이터는 가공되지 않은 모션 캡쳐 데이터를 사용 하여 만들어진다. 다양한 스타일의 걷기, 제자리 운동 및 쭈그려 앉아 걷기로 구성된 모션 데이터가 사용되었다. 모션 캡쳐 데이 터셋은 네크워크의 학습 데이터셋에서 ground truth 출력값에 해 당되는 전신 포즈 정보만을 가지고 있으므로, 입력값은 따로 계 산을 통해 만들어야 한다. 학습 데이터셋을 만들기 위한 전처리 과정에 동작 유형에 대한 별도의 라벨링은 필요 없으므로 학습 데이터셋은 전자동으로 제작된다.
실험에 사용된 캐릭터의 골격은 모션 캡쳐 데이터에 맞춰 15 개의 관절부로 구성했다(Fig. 1 왼쪽 참조). 따라서 캐릭터 신체 는 각 관절들의 자유도(15 × 3)에 root의 위치 정보(x,y,z 좌표) 가 더해져 총 48만큼의 자유도를 가진다. 임의의 프레임 n에서의 캐릭터 포즈 정보는 본 논문에서 mn으로 표현된다.
원본 모션 캡쳐 데이터들은 다양한 환경에서 수집된 데이터들 이므로 서로 fps 및 초기 위치와 초기 방향이 다르다. 본 연구에 서는 먼저 각 모션 캡쳐 데이터들을 30fps로 샘플링하는 과정을 수행하였다. 이 후 전역 좌표계 기준 (0, 0, 0) 지점으로 초기 위치 를 통일 시켰으며, z축 방향 (0, 0, 1)을 바라보도록 방향성을 통일 시켰다. 본 논문에서 사용된 모델은 캐릭터 신체를 기준으로 하 는 좌표계의 값을 사용하기 때문에 좌표와 방향성을 통일하는 작 업이 필요한 것은 아니지만, 실험 시 다양한 모션 데이터에 대한 ground truth와 모델의 출력을 간단히 육안으로 확인할 수 있는 환경을 만들기 위해 수행되었다.
다음으로, 전처리 완료된 데이터에서 각 프레임별 캐릭터 전 신의 무게 중심 좌표를 구한다. 원본 모션 캡쳐 데이터에는 캐릭 터의 신체 부위별 질량에 대한 정보는 없으므로 본 연구에서는 각 신체 부위에 임의의 질량 값을 설정한 후 캐릭터 전신의 무게 중심 좌표를 구했다(Fig. 1 오른쪽 참조). 본 논문에서 설정한 각 신체 부위별 질량은 Table 1에서 확인할 수 있다. 이렇게 만들어 진 데이터는 네트워크를 학습할 때 모션 이력 데이터와 합쳐져 입력 값으로 사용된다.
입력 값은 무게 중심 정보 외에도 현재 프레임 t를 기준으로 바로 이전 프레임부터 과거 i번째 프레임까지의 모션 데이터 각 각을 t의 신체의 root 지역 좌표계(local coordinate)에 맞춰 정렬한 모션 이력 Mt = {mt−i...mt−1}도 포함한다. 이는 캐릭터가 과거 임의의 시간 동안 수행한 모션 정보를 네트워크에 추가로 제공하 여 무게 중심 정보만을 사용했을 때의 모호한 결과를 보완하고 동작 예측이 좀 더 정확해 지도록 보조한다. 이 모션 이력 정보는 전처리된 모션 캡쳐 데이터에서 간단히 추출할 수 있다.
지도 학습을위한 출력값에는 ground truth 값을 사용한다. end-to-end 네트워크를 통해 만들고자 하는 값은 현재 프레임 t의 모션 정보이므로 가공된 모션 캡쳐 데이터에서 현재 프레임 t의 모션 정보를 추출하여 학습을위한 출력값으로 사용한다.
최종적으로, 프레임 t에서의입력 벡터 x는 {Mt, Ct}로 표현되 며, 여기서 Ct는 t에서의 무게 중심 위치 정보이며 Mt는 과거 t−i 시점까지의 모션 이력 정보이다. 학습을 위한 출력 벡터 y는 mt의 형태로, 가공된 모션 캡쳐 데이터에서 추출해 낸 현재 프레임 t의 ground truth 모션 정보를 의미한다.
실험에 사용된 생성 모델은 시계열 데이터를 처리하기 위한 3개 계층(layer)으로 구성된 CNN과 현재 모션을 예측하기 위한 2개 계층으로 구성된 fully-connected network가 결합된 간단한 구조 를 가진다(Fig. 2 참조). 전체 네트워크는 현재 프레임 t에서 무게 중심이 위치하는 3차원 위치 값 Ct와 과거 i 프레임 동안의 모션 정보 값 Mt을 입력 받아 현재 모션 정보를 예측한 값 m̂t를 출력 한다.
CNN은 RNN같은 복잡한 네트워크에 비해 구현이 간단하고 학 습 속도가 빠르다. 또한 CNN은 이미지 분류[16], 음성 인식[17] 등의 분야 뿐만 아니라 모션 데이터의 매니폴드(manifold)를 학습 하는 데 적용해도 좋은 성과를 나타낸다는 것이 알려졌다[1]. 이 에 본 논문에서는 Holden et al. 2015[1]가 제안한 방법으로 CNN 을 사용하여 시계열 데이터를 처리하는 네트워크를만들었다.
모션 예측 네트워크(Motion prediction network)는 모션 이력의 특징을 추출하는 CNN N(·)과 현재 프레임의 모션을 예측하는 fully-connected network P(·)로 구성된다. N(·)은 다음과 같은 형태를 가진다.
여기서 *은 Convolution 연산을 나타내며 Fn은 n번째 계층의 필 터를 의미한다. bn은 n번째 계층의 편향값(bias)을 의미한다. 또 한 ϕ는 max pooling을 표현하는 기호이다. 각 CNN 계층에서 필 터 F ∈ ℝwh를 사용하여 1차원 Convolution을 수행한다(Fig. 3 참 조). h는 1차원 Convolution을 위해 계층이 입력 받은 행렬의 행 개수로 고정되며 w는 사용자가 임의로 정할 수 있는 값으로, 이 값을 조정하여 해당 계층에서 convolution 한 번당 탐색할 모션의 시간을 설정할 수 있다.
실험에 사용된 네트워크 각 계층에서의 필터 F의 크기와 개 수는 Table 2에서 확인할 수 있다. 각 계층의 출력 값이자 다음 계층의 입력 값인 중간 결과물 S는 S ∈ ℝab를 따른다. b는 이전 계층의 필터 수로 정해진다. a는 convolution 연산을 통해 정해지 며 계층을 거쳐갈수록 크기가 점차 줄어들게 된다(Fig. 2 참조). 각 계층의 중간 결과물 크기는 Table 2에 기술해 두었다. 최종적 으로 임의의 시간대에서 연속된 모션은 CNN 계층들을 거쳐 1 차원 벡터 Z ∈ ℝ384이 된다. 활성 함수로 사용한 Rectified Linear Units(ReLU)[18]는다음과같이 정의된다.
| layer | filter 크기 | filter 수 | 출력 값 크기 |
|---|---|---|---|
| 1 | 10×48 | 32 | 40×32 |
| 2 | 10×32 | 64 | 15×64 |
| 3 | 10×64 | 128 | 3×128 |
P(·)의 형태는다음과같다.
여기서 Wn은 n번째 계층의 가중치(weight)를 의미하며 bn은 n 번째 계층의 편향값을 의미한다. 앞서 N(·)으로 구한 벡터 Z에 현재 프레임 t의 무게중심 3차원 위치 벡터 Ct ∈ ℝ3을이어 붙여 벡터 K ∈ ℝ387를 만든다. 이렇게 만들어진 K는 2개의 FC 계층 으로 구성 된 네트워크 P (·)를 거쳐 t의 모션을 예측한 값 m̂t가 된다(Fig. 2 참조).
네트워크는 가공된 모션 캡쳐 데이터로 만든 학습 데이터셋3.2 을 사용하여 end-to-end 방식으로 학습된다. 즉 현재 프레임의 무 게 중심 정보와 과거 일정 시점까지의 모션 이력이 담긴 데이터를 받아 현재 프레임의 모션을 예측하는 것이 네트워크의 학습 목표 인 전형적인 추론 작업이다. 본 논문에서는 ground truth와예측한 결과물 간의 평균 제곱 오차(mean squared error)를 비용 함수로 사용했다. 이는다음과같은 간단한 수식으로 표현할 수 있다.
여기서 y는 ground truth에 해당하는 현재 모션 값, M은 모션 이 력 데이터이며 C는 현재 프레임의 무게중심 위치이다. M과 C는 입력 데이터 x의 형태로 모델에 입력된다.
네트워크를 학습하기 위해 다양한 스타일의 걷는 동작, 쭈그려 걷는 동작 및 제자리 운동을 비롯한 기타 동작을 표현하는 모션 캡쳐 데이터를 사용했다. 학습이 더 잘 되도록 모션 데이터의 각 프레임마다 앞서 설정한 모션 이력 길이만큼의 하위 모션 클립 을 만들어 간단한 증강(augmentation) 효과를 주었다. 이렇게 만 들어진 모션 클립들을 임의의 배치(batch) 크기에 맞춰 무작위로 선택한 뒤 학습에 사용하였다(실험에 사용된 모션 클립당 설정한 프레임 수(모션 이력 길이)는 Section 4에서 자세히 설명할 것이 다).
4. 실험 결과
본 연구는 AMD 라이젠 7 2700 CPU와 GeForce RTX 2070, 16GB RAM 등으로 구성된 장비에서 수행되었으며 Python ver. 3.6 환경 에서 Pytorch ver. 1.3.1을 사용하여 모델을 구현하고 학습시켰다.
걷는 동작 56개, 쭈그려 걷는 동작 6개, 기타 동작 10개로 구 성된 총 72개의 데이터가 실험에 사용되었다 (사용된 데이터의 자세한 정보는 Table 3참조). 학습시에 여러 환경 값을 설정하여 실험했으며 그 중 이력 크기 90, 커널 크기 10, 계층 수 3, 채널 수(또는 필터 수)를 첫 번째 계층은 32, 두 번째는 64, 세 번째는 128로 설정했을 때 가장 좋은 결과가 나타나는 것을 확인했다 (각 설정 값은 Table 4참조). 최적화를 위해 Stochastic Gradient Descent(SGD) 알고리즘을 사용했다. 이와 같은 환경에서 학습을 완료하기까지 약 10–12시간이 소요되었다.
| Motion type | data 수 | 평균 시간(초) | 총 프레임 |
|---|---|---|---|
| 걷기 | 56 | 5.4 | 9097 |
| 쭈그려 걷기 | 6 | 10.2 | 1831 |
| 기타 | 10 | 11.2 | 3354 |
| History size | 15 | 15 | 90 | 90 |
| Kernel size | 2 | 2 | 10 | 10 |
| # of layer | 1 | 3 | 1 | 3 |
| # of out channel | 32 | 8/16/32 | 128 | 32/64/128 |
학습된 네트워크의 성능은 학습 데이터셋에서 학습에 사용하 지 않고 제외해 둔 일부 데이터셋을 테스트 데이터셋으로 사용하 여 평가했다. 네트워크가 작동 하려면 과거 일정 시간 동안의 모 션 이력과 현재 시점에서의 무게중심 위치 정보가 있어야 하므로 0번째 프레임부터 시작하여 정해진 임의의 시간 동안의 이력이 담긴 모션 클립을 주고 그 이후부터의 모션을 예측하도록 했다. 모션 예측 실험은 두 가지 설정 하에 진행되었으며 네트워크 결 과물의 품질은 결과물을 출력시킨 후 육안으로 평가하였다. 첫 번째 설정으로 네트워크에 입력하는 모션 이력을 갱신할 때 네트 워크의 출력값에 상관 없이 ground truth에서 현재 프레임의 모션 데이터를 연속적으로 나열한 이력 데이터에 추가했다. 실험 결 과 예측(prediction) 시간에 상관 없이 비교적 안정적인 결과물을 출력하는 것을 확인했다(Fig. 5 참조).
Table 5는 원본 모션의 무게 중심 경로를 입력으로 넣었을 때 출력된 모션과 원본 모션과의 차이를 계산한 표이다. 학습 및 결 과 출력에 각 관절의 각도를 이용했으므로 원본 모션과의 오차는 관절 각도의 차이를 기준으로 계산되었다. 비교 결과 가장 데이터 가 많은 걷는 동작이 오차가 제일 낮았으며 비교적 데이터가 적은 쭈그려 걷는 동작도 잘 만들어 내는 것을 확인했다. 기타 동작의 경우 제자리 운동이나 뒤로 걷는 동작 등 소수의 여러 동작들로 구성되어 있기에 가장 낮은 정확도를 보였다.
두 번째 설정으로는 연속적으로 나열된 이력 데이터에 네트워 크의 예측 값을 추가하는 방법이었는데 모션 예측 시간이 길어질 수록 모션 이력에 네트워크의 오차가 쌓여나가 결과물의 품질이 빠르게 악화되는 문제가 있었다.
5. 결론
모션 생성 모델에 무게중심 정보를매개변수로 활용하는 것은 여 러 이점을 가지고 있다. 무게중심 정보는 매개변수화 했을 때 크 기가 작다. 즉, 동작을 예측하기 위해 탐색해야 할 공간의 차원이 작기 때문에 학습 데이터셋의 양이 적어도 비교적 학습이잘 되는 장점이 있다. 또한 무게 중심만을 통해서 여러 동작들을 구분할 수 있으며, 이를 원본 모션 캡쳐 데이터에서 간단한 계산을 통해 서 쉽게 얻어낼 수 있다. 이 덕분에 네트워크를 학습시키기 위한 데이터셋을 준비할 때, 동작 유형 라벨을 기입해 주는 등 수동 작업을 해줄 필요가 없으며, 필요한 모든 데이터는 원본 데이터 셋에서 자동으로 추출해 낼 수 있다. 무게 중심 정보가 root 좌표 정보에 비하여 움직임에 좀 더 민감한 정보라는 점 또한 모션 생 성에 긍정적인 효과를 가지고 있다. 예를 들어 제자리에 멈춰서 팔만을 움직이는 동작의 경우 root의 좌표값에는 큰 변화가 없 지만 무게중심의 좌표 값에는 큰 변화가 생긴다. 이 특성은 무게 중심 정보가 보다다양한 동작을 다룰 수 있도록 한다.
학습에 쓰인 모션 데이터셋이 걷기, 쭈그려 걷기 등 몇 가지 동작에 한정되어 있어 다양한 모션에 대한 결과를 확인하지 못했 다는 한계점이 있다. 본 논문의 실험 결과로도 무게중심의 위치 정보가 다양한 유형의 모션을 다룰 수 있는 가능성을 보여줄 수 있으나 공중제비 같은 특수한 동작에 대한학습 결과를 실질적으 로 확인할 수 없었던 것은 아쉬운 점이다. 실험 결과에서 학습된 모델이 만들어 낸 결과물에서 발이 미끄러지듯 움직이는 문제가 발생하는 것이 관찰되었다. 이런 현상은 여러 캐릭터 애니메이션 연구들에서 꾸준히 언급된 현상이며, 학습 데이터가 부족한 경우 발생하기 쉽다는 것이 보고된 바 있다[4].
걷기와 쭈그려 걷기 같이 큰 범주로 구분할 수 있는 유형의 동 작들 간에는 서로 구분할 수 있게 만들어지나 동일한 유형 동작간 의 세밀한 차이는 제대로 만들지 못하는 한계도 있다. 예를 들어, 군인처럼 팔을 쭉 뻗고 앞으로 크게 흔들며 걷는 동작과 운동을 목적으로 힘차게 걷는 동작은 둘 다 걷는 유형의 동작이지만 팔 의 움직임이나 발을 뻗는 방식에서 약간의 차이가 존재한다 (Fig. 6 참조). 이 현상은 모델 자체의 한계점으로, 서로 확연히 차이나 는 동작들 간에는 무게중심의 위치 변화 패턴이 확연하게 다른 양상을 보이나 유사한 동작들 간에는 무게중심 변화 패턴이 크게 다르지 않아 학습시 세세한 동작들이 섞여 평균화되므로 생기는 현상으로 보인다. 이 현상으로 인해 생성 모델이 만든 동작에서 팔을 올리다 마는 등 부자연스러운 모습을 보이는 경우도 있다.
본 논문의 시스템에 사용자의 조작을 입력 받아 무게중심을 원하는 위치로 변환시킬 수 있는 인터페이스를 추가하면 상호작 용이 가능한 캐릭터 애니메이션 모델을 구현할 수 있다. 이 시스 템에서 사용자는 마우스로 무게중심을 드래그 앤 드롭하는 것과 같은 간단한 조작만으로 달리기, 쭈그려 앉아 걷기 같은 다양한 동작을 구현해 낼 수 있다. 이는 사용자와의 상호작용이 중요한 비디오/컴퓨터 게임 분야에 효과적으로 적용하거나 관련 업계 종 사자가 캐릭터 모션을 간단히 만들 수 있게 보조하는데 유용하게 사용될 수 있을 것이다.
본 논문에서 연구한 것은 무게 중심 정보의 활용 가능성을 확 인하기 위한 기초적인 단계이므로 아직 해결해야 할 문제점과 앞으로 시도해 볼만한 흥미로운 연구거리들이 많이 있다. 앞으 로의 주된 연구는 이 논문에서 보인 모델의 한계점을 극복하고 생성된 결과물의 품질을 향상시키는 방향이 될 것이다. 대표적 으로 발이 미끄러지는 문제는 캐릭터의 모션을 부자연스럽게 만 드는 치명적인 문제이며 자연스러운 동작을 위해서는 필수적으 로 해결해야 할 문제이다. 여러 캐릭터 애니메이션 연구에서는 효과적으로 이를 해결할 다양한 방법들이 제안되었다. 한 가지 간단하고 적용하기 쉬운 해결책으로, Lee et al. 2018[15]에서는 이러한 문제를 발의 지면 접촉 정보를 매개변수화 한 뒤 입력 데 이터에 추가하여 네트워크를 학습시키는 방법을 제안한 바 있다. 이 방법을 비롯하여 여러 해결 방법들을 본 연구에서 사용 된 모 델에 접목시켜 개선된 결과를 확인할 수 있을 것이다. 사용자와 상호작용이 가능한 모델을 만들기 위해 현재 모델의 학습 및 실행 방식을 개선하는 것이 필요하다. 본 논문의 모델은 모션 이력에 ground truth가 들어가는 방식에서는 성공적으로 작동하는 것을 확인했다. 하지만 다르게 말해서 이는 ground truth가 계속해서 공급되어야 지속적으로 품질 높은 모션을 만들어 낼 수 있는 방 식으로, 상호작용 가능한 응용 프로그램에 적합한 형태는 아니 다. 상호작용 가능한 시스템을 위해 네트워크에서 출력 된 모션 데이터로 이력을 갱신하는 환경에서 안정적으로 작동하는 모델 을 연구를 해 보는 것도 좋을 것이다. 또한 무게중심 값은 핵심 입력값이며 사용자의 직접적인 조작을 받는 값이므로 안정적인 성능을 보장할 안전장치가 필요하다. 하지만 현재 연구에 사용된 모델은잘못된 입력값에 대한 안전장치가 없기에 입력으로 들어 오는 무게중심 값에 갑작스럽고과도한 변화가 생기는 경우 해당 프레임 뿐만 아니라 그 이후의 모든 프레임에서 의미 없는 결과를 만들게 될 것이다. 이 문제는 입력으로 들어오는 무게중심 값에 제한을 두어 이전 프레임 대비 일정 거리 이상 떨어진 좌표값이 들어오는 경우 방향성만 유지한 채 최대 제한 거리 내의 좌표값 으로 수정해 주는 안전장치를 도입하는 것으로 해결할 수 있을 것이다. 세세한 동작을 표현하기 위해 추가적인 매개변수를 도입 하는 연구도 해 볼 수 있을 것이다. 이를테면 몸 전체 무게중심 뿐만 아니라 손과 팔, 발과 다리, 몸통, 머리 같이 전신을 하위 부위로 나누어 각 부위별 무게중심 정보를매개변수화하여 이용 하는 방법을 생각해 볼 수 있을 것이다. 여러 유형의 동작들 간의 전환이 있는 학습 데이터셋을 만들 수 있는 데이터 증강 기법을 활용하고 이를 통해 네트워크를 학습시켜 볼 수도 있다. 그 결과 학습이 완료된 모델은 캐릭터가 다양한 모션간의 전환을자연스 럽게 할 수 있게 만들어 줄 것이다.
