AI编舞师诞生:深度学习生成真实多风格舞蹈动作
加州大学团队开发深度学习模型,从音乐生成真实、多样、风格一致的舞蹈动作。采用“分解-合成”框架:先学动作原子(分解期),再按音乐编排序列(合成期),助力韵律体操、花滑、舞台编创作。
技术架构核心
分解期:运动学节拍检测提取舞蹈节拍,时序归一化为舞蹈单元,解耦为初始姿态与运动向量。
合成期:音乐-运动模型生成匹配音乐风格的动作序列,运行时提取节拍与风格信息,按序生成单元再按音频节拍扭曲对齐。
大规模训练与评估
收集36万+视频片段(71小时),涵盖嘻哈、尊巴、芭蕾三大类。OpenPose提取身/面/手/足关键点。以风格一致性、真实感、多样性、节拍匹配度四维度评估。GAN基于PyTorch在V100 GPU训练,代码数据开源GitHub。未来将扩展双人舞等更多风格。
应用价值
AI不替代编舞家,但作为创意扩展工具:快速生成海量备选动作、跨风格融合探索、辅助教学演示、虚拟数字人动作合成。标志AI正式进入人类高阶艺术创作协作领域。
工业技术