在过去几年中,神经字符动画已经出现并提供了一种动画虚拟字符的自动方法。它们的运动由神经网络合成。用用户定义的控制信号实时控制该运动也是视频游戏中的重要任务。基于全连接层(MLP)和专家混合物(MOE)的解决方案已经令人印象深刻的导致产生和控制环境与虚拟字符之间的近距离相互作用的各种运动。然而,完全连接层的主要缺点是它们的计算和内存成本,可能导致子优化的解决方案。在这项工作中,我们在交互式角色动画的背景下应用修剪算法以压缩MLP-Moe神经网络,这降低了其参数的数量,并在该加速度和合成的运动质量之间进行权衡加速其计算时间。这项工作表明,通过相同数量的专家和参数,修剪模型产生的运动伪像比密集模型更少,并且学习的高级运动功能对于两者相似
translated by 谷歌翻译