Generatieve AI voor Karakteranimatie: Een Uitgebreid Overzicht van Technieken, Toepassingen en Toekomstige Richtingen

Samenvatting

Generatieve AI is bezig kunst, gaming en vooral animatie te hervormen. Recente doorbraken in foundation- en diffusiemodellen hebben de tijd en kosten voor het produceren van geanimeerde content verminderd. Karakters zijn centrale componenten van animatie, waarbij beweging, emoties, gebaren en gezichtsuitdrukkingen een rol spelen. Het tempo en de breedte van de ontwikkelingen in de afgelopen maanden maken het moeilijk om een coherent overzicht van het vakgebied te behouden, wat de noodzaak van een integrerende review onderstreept. In tegenstelling tot eerdere overzichten die avatars, gebaren of gezichtsanimatie geïsoleerd behandelen, biedt deze survey een enkel, uitgebreid perspectief op alle belangrijkste generatieve AI-toepassingen voor karakteranimatie. We beginnen met het onderzoeken van de state-of-the-art op het gebied van gezichtsanimatie, expressieweergave, beeld-synthese, avatarcreatie, gebarenmodellering, bewegingssynthese, objectgeneratie en texturesynthese. We belichten toonaangevend onderzoek, praktische implementaties, veelgebruikte datasets en opkomende trends voor elk gebied. Om nieuwkomers te ondersteunen, bieden we ook een uitgebreide achtergrondsectie die foundationmodellen en evaluatiemetrics introduceert, zodat lezers de benodigde kennis hebben om het vakgebied te betreden. We bespreken open uitdagingen en schetsen toekomstige onderzoeksrichtingen, waardoor een roadmap ontstaat om AI-gestuurde karakteranimatietechnologieën verder te ontwikkelen. Deze survey is bedoeld als bron voor onderzoekers en ontwikkelaars die het vakgebied van generatieve AI-animatie of aanverwante gebieden betreden. Bronnen zijn beschikbaar op: https://github.com/llm-lab-org/Generative-AI-for-Character-Animation-Survey.

English

Generative AI is reshaping art, gaming, and most notably animation. Recent breakthroughs in foundation and diffusion models have reduced the time and cost of producing animated content. Characters are central animation components, involving motion, emotions, gestures, and facial expressions. The pace and breadth of advances in recent months make it difficult to maintain a coherent view of the field, motivating the need for an integrative review. Unlike earlier overviews that treat avatars, gestures, or facial animation in isolation, this survey offers a single, comprehensive perspective on all the main generative AI applications for character animation. We begin by examining the state-of-the-art in facial animation, expression rendering, image synthesis, avatar creation, gesture modeling, motion synthesis, object generation, and texture synthesis. We highlight leading research, practical deployments, commonly used datasets, and emerging trends for each area. To support newcomers, we also provide a comprehensive background section that introduces foundational models and evaluation metrics, equipping readers with the knowledge needed to enter the field. We discuss open challenges and map future research directions, providing a roadmap to advance AI-driven character-animation technologies. This survey is intended as a resource for researchers and developers entering the field of generative AI animation or adjacent fields. Resources are available at: https://github.com/llm-lab-org/Generative-AI-for-Character-Animation-Survey.

Generatieve AI voor Karakteranimatie: Een Uitgebreid Overzicht van Technieken, Toepassingen en Toekomstige Richtingen

Generative AI for Character Animation: A Comprehensive Survey of Techniques, Applications, and Future Directions

Samenvatting

Support