Представлена методика создания синтетического набора данных с использованием системы MetaHuman для оптимизации скиннинга 3D-моделей. Основное внимание уделено улучшению качества привязки (скиннинга) геометрии к скелетам персонажей за счет разнообразия генерируемых высокореалистичных моделей. С помощью MetaHuman сформирован обширный датасет, включающий десятки виртуальных персонажей с различными антропометрическими характеристиками и точно заданными весовыми параметрами скиннинга. На основе этих данных обучен алгоритм, оптимизирующий распределение весов между костями и поверхностью модели.

Предложенный подход автоматизирует процесс настройки весов, что поз-воляет значительно сократить ручной труд риггеров и повысить точность дефор-маций при анимации. Эксперименты показали, что использование синтетических данных приводит к сокращению ошибок скиннинга и более плавным движениям модели по сравнению с традиционными методами. Результаты работы имеют непосредственное применение в индустрии видеоигр, анимации, виртуальной реальности и симуляций, где требуется быстрый и качественный риггинг множества персонажей. Предложенный метод может быть интегрирован в существующие графические движки и конвейеры разработки в виде плагина или инструмента, облегчая внедрение технологии в практические проекты.

Под псевдословом понимается единица речи или текста, которая выглядит как реальное слово на русском языке, но на самом деле не имеет значения, а под настоящим или естественным словом – единица речи или текста, которая имеет толкование и представлена в словаре. Представлены две модели для работы с русским языком: генератор псевдослов и классификатор, оценивающий степень схожести введенной последовательности символов с настоящими словами. Классификатор использован для оценки результатов генератора. Обе модели основаны на рекуррентной нейронной сети с долгой краткосрочной памятью и обучены на датасете существительных русского языка. В результате создан файл, содержащий список сгенерированных псевдослов, оцененных классификатором. Псевдослова могут найти применение в задачах нейминга, брендирования и макетирования, в искусстве, для создания креативных произведений, и в языковых исследованиях, для изучения структуры языка и слов.

Сталь в наши дни является одним из важнейших производственных материалов, который используется повсеместно, от медицины до промышленных отраслей. Своевременное обнаружение и распознавание дефектов на стальных листах после проката – одна из ключевых проблем этого производства с учетом его сложности и необходимости затрат большого количества времени на проведение вручную проверок каждого листа и каждой заготовки. Одними из целей настоящей работы были автоматизация и упрощение данного процесса. Для решения соответствующих задач была использована, в первую очередь, модель сверточной нейронной сети под названием UNet, которая уже зарекомендовала себя как отличный инструмент решения таких задач — при высокой результативности она требует меньшего количества учебных данных. В основе этой модели лежат последовательная, производимая в несколько шагов свертка изображения до приемлемого размера (иными словами, сжатие или кодирование), а затем развертка, восстановление изображения к исходному размеру и соотношению сторон, после чего на выходе будет получена маска изображения с классами элементов, которые необходимо было найти. В дополнение к этой нейронной сети в качестве кодирующего (сворачивающего) слоя была использована другая модель — ResNet34, предварительно обученная на датасете (наборе данных) ImageNet1000. В этой модели также был модифицирован выходной слой — вместо 34 слоев с классами на выходе возвращалось лишь 4, что сократило время обработки и позволило использовать наиболее удачные определения в результатах. Используя данный подход и проведя все необходимые проверки, при подведении итогов, мы получили результат в 94,8% точности определения дефектов на стальных листах.

Описана разработка на основе методов машинного обучения приложения для автоматического аннотирования веб-страниц по стандарту Microdata с возможностью расширения для других стандартов и с внедрением данных в JSX-файлы. Собраны и подготовлены датасеты для обучения моделей Machine Learning (ML). Собраны и проанализированы метрики модели ML.

Формирование российской школы исследования видеоигр

Уважаемые коллеги, исследователи и энтузиасты игровой индустрии!

     Представляю вашему вниманию первую часть тематического выпуска, организованного на базе научных трудов II Всероссийской конференции разработчиков видеоигр "Homo Ludens" (Человек Играющий), которая состоялась в стенах Казанского федерального университета 27 декабря 2024 года. Эта конференция стала значимой площадкой для обмена опытом, идеями и инновационными разработками в области создания видеоигр. Мы собрали под одной крышей талантливых исследователей, разработчиков и студентов, объединенных общей целью – развития отечественной игровой индустрии и продвижения научного подхода к разработке игр.
     Работы, представленные ниже, охватывают широкий спектр актуальных направлений: от генеративных методов создания адаптивных персонажей и автоматизированного переноса игровых сцен между движками до анализа биометрических данных для разработки адаптивных сред в виртуальной реальности и типизации кооперативных механик многопользовательских игр. Отрадно видеть такие исследования, направленные на оптимизацию процессов разработки, как создание синтетических датасетов для скиннинга 3D-моделей и разработка документации игрового дизайна для VR-проектов.
      Каждая работа, вошедшая в тематический выпуск, представляет собой уникальный вклад в развитие теоретической и практической баз игровой разработки. Междисциплинарный характер исследований наглядно демонстрирует, что современное игростроение находится на стыке программирования, дизайна, психологии, математики и искусства.
      Выражаю искреннюю благодарность всем авторам за их вклад в формирование научного дискурса в области разработки видеоигр, а также организационному комитету конференции, рецензентам и всем, кто принимал участие в подготовке и проведении этого мероприятия.
     Уверена, что материалы тематического выпуска будут полезны как опытным специалистам, так и студентам, только начинающим свой путь в захватывающем мире разработки видеоигр. Надеюсь, что конференция "Homo Ludens" продолжит свое развитие и в будущем станет еще более представительной и значимой площадкой для профессионального общения и обмена опытом.

Председатель конференции "Homo Ludens", редактор-составитель тематического выпуска,

В.В. Кугуракова

Работа посвящена описанию процесса разработки универсального инструментария для генерации синтетических данных для обучения разных нейронных сетей. Используемый подход показал свою успешность и эффективность в решении различных задач, в частности, обучения нейросети для распознавания покупательского поведения внутри магазинов через камеры наблюдения и пространств устройствами дополненной реальности без использования вспомогательных инфракрасных камер. Обобщающие выводы позволяют спланировать дальнейшее развитие технологий генерации трехмерных синтетических данных.