DanceGen:通过生成式AI支持舞蹈编创的创意构思与原型制作
生成式AI(文本、图像、音乐、视频)舞蹈与身体动作计算舞者与表演艺术家
舞蹈编创需要高度的艺术和技术熟练度。舞弊家通常经历四个阶段创作舞蹈作品:准备、排练、表演和反思。这一过程因各阶段的多重限制而往往个性化、复杂且具有挑战性。为解决研究空白,我们引入基于AI的方法支持准备阶段,协助创意构思、创建舞蹈原型并记录创意尝试。我们通过与七名舞弊家开展的形成性研究设计交互式网页界面,使生成的舞蹈序列可编辑修改。六名舞弊家评估显示系统可用性良好,用户报告效率提升、创意可能性扩展及迭代过程优化。同时识别出需改进领域:用户意图与AI输出的关系、直观灵活的用户交互设计及与现有物理排练工作流的整合。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 75%
学习具身声音-动作映射:评估人工智能生成的舞蹈即兴创作
C&C '21· 生成式AI(文本、图像、音乐、视频) +1
- 75%
将 LuminAI 带入生活:研究舞者对舞蹈即兴课程中共创 AI 的感知
C&C '25· 生成式AI(文本、图像、音乐、视频) +1
- 67%
Knotation:探索和记录编舞过程
CHI '18· 舞蹈与身体动作计算
- 67%
人机交互中的舞蹈与编舞:二十年回顾
CHI '21· 舞蹈与身体动作计算
- 67%
芭蕾学习技术的现状使用、不使用与未来使用
DIS '21· 舞蹈与身体动作计算
- 60%
CO/DA:为舞蹈即兴创作实时编码运动-声音互动
CHI '22· 生成式AI(文本、图像、音乐、视频) +2
- 60%
探索协作运动即兴创作以设计LuminAI——一个共创造的AI舞蹈伙伴
CHI '24· 生成式AI(文本、图像、音乐、视频) +2
- 60%
学习具身声音-动作映射:评估AI生成的舞蹈即兴创作
C&C '22· 生成式AI(文本、图像、音乐、视频) +1
- 60%
通过动作构思体现舞蹈交互式人工智能
C&C '23· 生成式AI(文本、图像、音乐、视频) +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
DIS
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、舞蹈与身体动作计算
work
职业/产业
舞者与表演艺术家
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文