今年の論文集は本当に電話帳。これをもって歩くというのはもう限界に来ているのかもしれない。その代わりといっては何だが、DVD ROMが豪華4枚組でビデオも入っている。合計で16GB・・・自分の余裕の無いノートPCには収まりきらなかった。（泣）

PAPER Character Animation I
Active Learning for Real-Time Motion Controllers
モーションキャプチャーシステムを利用したリアルタイムのモーション学習システム。幾つかの想定される動きをモーションキャプチャで収録して、「タスク」を設定し、キャラクタが現状起これている状態と、データを参照して「タスク」に最適なモーションを生成するとのこと。実際の活用としては小さなエリアしかないモーションキャプチャスタジオでの収録でも、加工段階で広いエリアでしか収録できないようなモーションを作り出すことが出来ると思った。（その時点でモーションキャプチャでは無いが・・・）アクターの演技のテイストをなるべく損なうことなく、加工することが出来るのではないかと思った。学習には幾つかの法則性があるようで、足元にマークを示して、予め想定された歩幅やスペースで演技をするようだった。
質疑応答でボールをキャッチする学習で、どちらの手でキャッチするのかといった、複雑なバリエーションへの対応に関して質問があったが、右手、左手といった認識は現時点では行っていないらしい。

Responsive Characters from Motion Fragments
前のPAPERがモーションキャプチャシステムなのに対して、こちらはゲームコントローラーを使ったシステム。動きを細かく断片化して、ゲームコントローラによる移動コントロールを行い、フレームごとに適切な断片モーションを割り当てて、シーンに合った新しいモーションを生成する。ゲームデモなど、予め予測される基本的なアクションを断片化しておき、オブジェクトを配置したシーン中でゲームコントローラーを使って、動きを作成するといった制作方法を少しイメージした。モーションの断片化とそれをゲームパッドの挙動にあわせるところがポイントのようだ。現状では直線的なゲームモーションにだけ対応しているとのこと。

Near-optimal Character Animation with Continuous Control
モーションデータの速度と方向を分解することで、連続的なユーザーのモーションコントロールにスムーズに対応するシステム。幾つかのモーションデータを体系立ててどのようにモーションをつなげるか、まずプランを立てる。このあたりはゲームモーションの遷移図に似た考え方だと思った。モーションデータを繋げて、全てのモーションをスムーズな動きで対応することは難しいが、こうした、体系付けだけを行い、あとは自動的にモーションを生成するという手法は、モーション作成の効率化とゲーム機でリアルタイム処理では少ないソースでモーションが生成できるという点でメリットがあると感じた。

SOFTIMAGE Research Summit
午後からは秘密ユーザー会議。いいみん見させてもらいました。
特製ノベルティのアイコンが意味深（笑）

ELECTRONC THEATER
今回は1回目の上映にした。やっぱり一番お祭感のあるイベントで、盛り上がりが違うと思ったので。MY BEST3は塊魂なTravelers、No Time For Nuts、LIFTEDの3本。言葉が無くても面白いことは万国共通ってところが良い。今年の選出構成は映画やコマーシャル、ゲームなど比較的平均的になっているように感じた。