ML デフォーマ

重要: ML デフォーマをトレーニングする場合、外部 Python モジュールをダウンロードしてインストールするよう求めるプロンプトが表示されることがあります。既定では、追加モジュールのインストール パスは <MAYA_APP_DIR>/mlDeformer/<ml_deformer_version>/Lib/site-packages です。これらのモジュールを手動でダウンロードするか、カスタムの場所にインストールする必要がある場合は、「Python ライブラリをインストールして ML デフォーマをトレーニングする」を参照してください。

ML デフォーマを使用してターゲット モデルの複雑なデフォメーションをメッシュに転送する

ML デフォーマは、複雑なデフォメーション システムを読み込み、トレーニングと機械学習モデルの使用により、それらをより軽く、移植性の高い方法で表現し近似させるように学習します。

ML デフォーマは、ターゲット ジオメトリのさまざまなモーションを提供するアニメーション シーケンスから学習することで機能します。このアニメーション シーケンスは、モーション キャプチャ データ、既存のキーフレーム アニメーション、ML デフォーマ(ML Deformer)ポーズ生成(Pose Generation)機能と主要シェイプ(Principal Shapes)機能によるランダム化、または 3 つのすべての組み合わせで構成されます。このサンプル データは、各フレームのポーズに影響を与えるドライバ コントロールの値とともに、ML モデルをトレーニングするために使用されます。

トレーニングの結果、元のデフォメーションはより効率的に近似され、アニメート時の対話処理が向上し、群集シーンで使用する場合のレンダリングが高速になります。ML デフォーマと元の複雑なソース デフォーマを切り替え、アニメーション プロセスに近似を使用し、最終的なレンダリング中に複雑なデフォーマを使用して最適な結果を得ることができます。

ヒント: コンテンツ ブラウザ(ウィンドウ > コンテンツ ブラウザ > 例 > アニメーション > ML デフォーマ) (Windows > Content Browser > Examples > Animation > MLDeformer)で ML デフォーマのサンプル ファイルをテストおよび実験することができます。

コンテンツ ブラウザでの ML デフォーマ アニメーションのサンプル

注:
ML デフォーマには次の制限事項が適用されます。
  • リグによっては、デルタ モード(Delta Mode)サーフェス(Surface)に設定すると、アーティファクトが生成されたり、不正なジャギーが発生する場合があります。これは、サーフェス頂点フレームが一貫して計算されない場合に発生します(特定のポーズで頂点がオーバーラップしていることが多いため)。トレーニングセットから不正なポーズが削除されると、結果が改善される可能性があります。ただし、ML デフォーマは、トレーニング後もこのようなポーズでパフォーマンスが低下します。
  • 多数のコントロールを対象にしてトレーニングを行うと、ML モデルはメッシュの無関係な部分で、コントロールと変形の間にある不正な関連付けを学習する傾向があります。一度にトリガされるコントロールの数が少ないポーズでトレーニングすると、この問題の解決に役立ちます。

基本的なワークフロー

ML デフォーマを作成する手順は、次のいくつかの主要手順に分かれています。
  • 変形するジオメトリに ML デフォーマを追加する
  • デフォメーション スタック内のデフォーマの前に ML デフォーマを再配置し、近似します
  • これらのデフォーマに基づいてターゲットを作成します。
  • 手順については、「ML デフォーマを作成する」を参照してください。

    また、ソース オブジェクトとターゲット オブジェクトを ML デフォーマと一緒に使用して、複雑なデフォメーションを近似することもできます。

Ai 透過性

オートデスクは、信頼できる AI イノベーションに全力で取り組んでいます。詳細については、画像をクリックしてください。

手順については、「個別のターゲット ジオメトリを使用して ML デフォーマを作成する」を参照してください。