شريك رقص جديد تمامًا: رقص متعدد التوجهات مُشَرَّع بالموسيقى ويخضع لتحكم عدة أنماط رقصية

عندما يُصيغون عبارات الحركة، يمتلك المُرَقِّعون (الراقصون) جميعهم عادات خاصة بهم، نظرًا لاستخدامهم المستمر لفنون الرقص المتميزة التي يتقنونها. وبالتالي، يميلون إلى العودة إلى أنماط معينة من فنون الرقص التي يتقنونها. ماذا لو استُخدم الذكاء الاصطناعي لمساعدة المُرَقِّعين على دمج فنون الرقص المختلفة من خلال اقتراح مجموعة متنوعة من الرقصات، بما يتناسب مع نمطهم التأليفي؟ تم تطوير العديد من التغيرات المخصصة للمهام الخاصة لشبكات التوليد التلقائي (autoregressive networks) في مجال توليد الرقص. ومع ذلك، لا يزال هناك عيب جوهري، وهو أن جميع الخوارزميات الحالية تُنتج أنماطًا متكررة عند إدخال تسلسل محدد للوضعيات الأولية، وهو ما قد يكون أقل جودة. لمعالجة هذه المشكلة، نقترح MNET، وهي منهجية جديدة وقابلة للتوسع، قادرة على تنفيذ توليد رقص متعدد الأوجه (pluralistic) مشروط بالموسيقى، وتُولَّد من خلال عدة فنون رقص باستخدام نموذج واحد فقط. وفي هذا السياق، نتعلم تمثيلًا خفيًا (latent representation) يراعي نوع الرقص، من خلال تدريب شبكة توليدية تنافسية شرطية (conditional generative adversarial network) تعتمد على معمارية Transformer. قمنا بإجراء تجارب واسعة النطاق على مجموعة بيانات AIST++، بالإضافة إلى دراسات مستخدمين. ومقارنةً بالطرق الرائدة في مجالها، يُنتج منهجنا نتائج واقعية ومتنوعة وفقًا لعدة فنون رقص، كما يُولِّد تسلسلات رقص تفوق في الجودة من الناحيتين الكمية والكيفية.