對交互,遊戲感興趣的應該知道
可實時捕抓人體動作的交互裝置
在很長的時間內
都是通過一個叫Kinect的設備完成。
但是隨著Kinect已經停產
新的技術的到來,
有一種更方便的方法
這就是機器學習。
Daniel Shiffman
01
用身體作為一種交互語言
作品:Ghost Pole Propagator II
Skeletonization 的圖像處理技術可用於任何形狀生成簡筆畫。
該算法廣泛應用於一些光字母和數字識別中。然而,當它被應用到人的輪廓時,會產生一些特別的抽象效果。
這個項目的靈感來源於兒童簡筆畫,古代巖畫和法國攝影師Étienne-Jules Marey的運動研究。
這個裝置通過捕捉行人的形象,在屏幕上實時生成了他們的動態骨骼,行人可以看到屬於他們自己的動作圖形。
與此同時,他們還觀察了先前參與者的動態圖形,這些參與者的動作在幾分鐘或幾小時之前就被記錄下來了。
🔗http://www.flong.com/projects/gpp-ii/
延展①
萬千大眾都是我的鏡子
延展②
跟硬體結合的裝置
*ML5也能做動態識別(但P5第四期課程不涉及硬體教學)
Danny Rozin
02
與人體結合的藝術作品
作品:Fast Style Transfer Example
從此不再依靠別人的app來實現風格轉移。結合p5發揮你的腦洞,比如說面向屏幕眼睛一眨,屏幕上的圖片瞬間變了風格?
甚至直接可以用你想要的風格錄一段視頻
P5.js創始人的作品
作品:How we act together
Lauren Mccarthy,P5的創始人,MIT畢業,2014-2016 ITP 教授, 2017-現在, UCLA DMA項目教授。
How we act together是一個群體藝術,它聚焦在社交過程中的小的姿態與情緒。讓參與者不停的重複某一個情緒到達一個他們覺得非常疲憊的點,到一個他們不再對所表達的情緒感覺到自然的點,這個時候情緒就會有所改變。
整個互動過程是由一個電腦程式主導。參與者根據屏幕上給出的命令做出一些表情,只有當他們的表情被計算機視覺算法識別之後,他們才能跟在存儲記錄裡的更多的人互動。
03
舞臺新媒體藝術
近期流行的新媒體藝術展覽中經常能看到的互動作品,
也少不了人體動態捕捉哦
作品:Hakanaï
在日語中,」Hakanai「的意思是」無常的,脆弱的,漸逝的,短暫的「。
這個非常古老的詞用於捕捉人性中難以捉摸的方面。它是通過組合象徵「人」和「夢想」的圖形字符來編寫的。
基於物理運動建模的實時動畫,在現場播放的原始樂譜上。演員表演後,將邀請觀眾探索舞臺裝置。
舞蹈編排在移動立方體的沉浸式環境中進行,以此探索夢想的短暫和生命的逸度。
視頻非常震撼 ⬇️建議點開觀看
Adrien M & Claire B
但kinect停產後
如果要實現上述案例的效果
怎麼完成人體的動態捕抓呢?
答案是:ML5
ML5
最簡單友好的機器學習語言
PoseNet Kinect 替代品
P5 的神奇之處就是它有一個最新的腳本庫分支,叫 ML5,可以幫我們更方便的實現想要的效果。P5 第四期課程,新增教學內容,國內首發。
ml5.js 是一個新的 JavaScript 庫,旨在使廣大的藝術家,創意編碼員和學生能夠使機器學習變得平易近人。
國內平臺首發
ML5 機器學習做藝術創作
從此不再用 Kinect
ML5 用基於 Tensor Flow 的人體動態捕捉功能簡直讓識別人體的骨骼變得再簡單不過了。
曾經看起來高大上(但實際很難用同時也停產了的 Kinect)可以被簡單的電腦攝像頭給替代了!
編輯:蔡雨利、夢婷
審核:葉欣
-
喜歡本文,請讚賞
未經授權 請勿轉載(不免費授權)