与Voguing和Dancehall舞者合作设计动作生成模型

文献标题

Designing Movement Generation Models in Collaboration With Voguing And Dancehall Dancers

出版信息

• 主题领域：基于人工智能的舞蹈动作生成模型。
• 关键词：人工智能，生成模型，舞蹈，Voguing，Dancehall，动作捕捉，风格化可读性，创意支持工具，参与式设计。

背景与问题

• 问题/挑战：当前的人工智能舞蹈动作生成模型缺乏对舞蹈实践者专业知识的整合，未能捕捉特定舞蹈风格的独特风格本质，从而限制了其在编舞场景中的适用性。
• 重要性：解决这一问题对于开发支持舞者创意的工具以及保护像Voguing和Dancehall这样非制度化舞蹈形式的独特风格惯例至关重要。
• 动机与相关研究：以往研究主要集中于生成模型的技术能力，通常使用通用数据集进行训练，缺乏实践者的参与。研究指出，在生成动作与舞者期望之间对齐方面存在挑战，尤其是对于具有明确编码规则的舞蹈风格。本论文基于这些洞察，通过让实践者参与设计和评估过程来推进研究。

解决方案

• 提出的方法：开发一个针对Voguing和Dancehall风格的人工智能动作生成模型，并配备交互式可视化工具Korai。
• 创新点：
  1. 与舞蹈实践者协作设计生成模型，强调风格化的忠实性。
  2. 创建Korai，一个用于实时可视化和交互生成动作的基于网络的工具。
  3. 通过实证研究探讨舞者对不同风格化可读性和物理真实性水平模型的反应。
• 流程与关键技术：
  • 对精选的Voguing和Dancehall序列进行动作捕捉。
  • 使用Chor-rnn架构进行生成模型的迭代开发。
  • 设计并部署Korai，用于交互式探索和可视化生成动作。
  • 通过结构化观察和演练研究评估模型在不同忠实性水平上的表现。

结果

• 具体发现：
  • 舞者更偏好高度忠实于其动作库或高度新颖且陌生的动作，拒绝中等忠实度的输出，认为其缺乏吸引力。
  • 高忠实度模型促进了流畅的即兴创作，并能很好地融入Voguing和Dancehall风格。
  • 低忠实度模型尽管存在缺陷，但激发了创意；而中等忠实度模型则被认为过于抽象且难以理解。
• 相较基线的优势：与舞者直接合作确保了风格化的可读性和实际相关性，弥补了以往基于通用数据集训练的生成系统的不足。
• 实验/评估：
  • 动作捕捉数据集：35分钟的精选Voguing和Dancehall动作。
  • 研究方法：即兴创作会话、结构化演练和比较性结构化观察。
  • 评估指标：对舞者反馈和即兴创作策略的定性主题分析。
• 局限性与未来工作：
  • 舞者在模型训练和设计中的参与有限。
  • 需要在更广泛的舞蹈风格和长期环境中进行大规模研究。
  • 探索更新的架构以提高忠实度和真实性。

总结

本文展示了与Voguing和Dancehall舞者的长期合作，以设计针对其动作库的生成模型。迭代过程包括动作捕捉、基于Chor-rnn的模型开发以及Korai交互式可视化工具的创建。实证研究表明，舞者更偏好高度忠实或高度新颖的输出，强调了风格化可读性在编码舞蹈风格中的重要性。研究揭示了舞蹈生成中的“恐怖谷”效应，中等忠实度模型被负面评价。本文倡导在人工智能设计中采用参与式方法，并强调Korai作为弥合人工智能开发与身体艺术实践之间差距的工具。