MétaCan
Menu
Retour à la cohorte
Enregistrement W2989749995 · doi:10.20380/gi2019.25

Analysis of Speed in Traditional Animation

2019· article· en· W2989749995 sur OpenAlex
Tyler Nowicki, William B. Cowan, Stephen Mann

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCanada Human-Computer Communications Society · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHuman Motion and Animation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAnimationAccelerationComputer sciencePolynomialSpeedupTrajectoryFrame (networking)SubsequenceLongest common subsequence problemComputer animationKey frameArtificial intelligenceComputer graphics (images)Computer visionAlgorithmMathematicsParallel computing

Résumé

récupéré en direct d'OpenAlex

Frame-to-frame movement (speed) in animation is commonly de-scribed as easing in, easing out, and moving evenly between key-frames. We examined the 2D movement of the salient parts of characters in freehand animation and identified a pattern in speed resembling these descriptions. To identify this pattern we first de-veloped a manual annotation procedure to identify trajectories, their speed related key-frames and their intermediate subsequences in a variety of animations. We found that the speed of a subsequence is related to its average acceleration. Our analysis indicates that a cubic polynomial best approximates the subsequence speed over time and each of the polynomial coefficients are related to average acceleration by four additional polynomials of degree 2, 3, 2 and 3. We develop a polynomial model for speed with least squares polynomial regression and validate our results and annotations with several statistical tests that use 10-fold cross-validation. Our experi-mental animation interface demonstrates that this relationship has the potential to ease the burden of controlling speed by replacing the control points that otherwise must be specified with a single parameter for average acceleration.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,233
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle