فصلنامه علمی رسانه‌های دیداری و شنیداری

فصلنامه علمی رسانه‌های دیداری و شنیداری

خلق شخصیت‌های هوشمند و خودآگاه در پویانمایی‌ها (انیمیشن‌ها) با استفاده از یادگیری عمیق

نوع مقاله : مقاله پژوهشی

نویسنده
احمد سفلایی
استادیار، دانشکده هنرهای دیجیتال، دانشگاه صداوسیما، تهران، ایران (نویسنده مسئول)
10.22085/javm.2025.543254.2366
چکیده
این پژوهش با هدف بررسی جایگاه و تأثیر یادگیری عمیق در خلق شخصیت‌های هوشمند و خودآگاه در پویانمایی انجام شده است. روش تحقیق مبتنی بر رویکرد توصیفی-تحلیلی و استفاده از منابع پیشین، داده‌های موجود و تحلیل الگوهای رایج در یادگیری عمیق بوده است. در این راستا، از شبکه‌های عصبی مصنوعی (ANNs)، کانولوشنی (CNNs)، بازگشتی (RNNs) و مدل‌های مولد متخاصم (GANs) بهره گرفته شد تا شخصیت‌هایی با قابلیت‌های تصمیم‌گیری مستقل، سازگاری رفتاری، واکنش پویا به محیط و یادگیری مستمر طراحی شوند. یافته‌ها بیانگر آن است که تلفیق این فناوری‌ها با تکنیک‌های یادگیری تقویتی، تحلیل پیشرفته رفتار و پردازش داده‌های چندوجهی، موجب تحقق واقع‌گرایی بالاتر، تعمیق تعاملات و ارتقای قابلیت پیش‌بینی رفتار شخصیت‌ها در محیط‌های شبیه‌سازی شده شده است. بااین‌حال، چالش‌های اخلاقی و فلسفی همچون وضعیت حقوقی شخصیت‌های مجازی، پیامدهای تغییرات فناورانه بر جایگاه هنرمندان سنتی، و خطرات ناشی از سوءاستفاده یا تحریف محتوا، نیازمند سیاست‌گذاری و چارچوب‌های نظارتی دقیق است. این روند می‌تواند به تحول تعریف مرز میان خیال‌پردازی هنری و واقعیت دیجیتال منجر شود.
کلیدواژه‌ها
یادگیری عمیق
شخصیت‌های هوشمند
شخصیت‌های خودآگاه
هوش مصنوعی
پویانمایی

عنوان مقاله English

Creating Intelligent and Self-Aware Characters in Animations Using Deep Learning

نویسنده English

Ahmad Soflaei
Assistant Professor, Faculty of Digital Arts, IRIB University, Tehran, Iran (Corresponding Author)
چکیده English

The present article aims to examine the role of deep learning in creating intelligent and self-aware characters in animations. The research method is descriptive-analytical, using previous data and analyzing deep learning patterns. Techniques such as artificial neural networks (ANNs), convolutional (CNNs), recurrent (RNNs), and GAN patterns were applied to design characters capable of regulating behavior, making independent decisions, and continuous learning. The findings show that these technologies have increased the realism and interaction of animated characters through reinforcement learning, behavior analysis, and multimodal data processing. However, ethical and philosophical challenges such as the issue of virtual character rights, the impact on traditional artists, and technological abuses require serious attention and consideration.

کلیدواژه‌ها English

Deep Learning
Intelligent Characters
Self-Aware Characters
Artificial Intelligence
Animation
·         امیر شاه کرمی، سید نجم الدین ؛زندی، کیارش (1401)، آینده پژوهی تاثیر فناوری‌های موثر بر انیمیشن ایران، مجموعه مقالات نخستین همایش ملّی آینده پژوهی، آموزش عالی و توسعۀ پایدار (‎89 - 98 )
·         امیرشاه کرمی, سید نجم الدین و عمرانی, شکیب . (1403). فناوری هوش مصنوعی در ایده‌یابی و تولید محتوای مفهومی در انیمیشن، مطالعه موردی: انیمیشن های کلاغ، بغلم نکن می‌ترسم، و Gnosis. نشریه‌ی علمی پژوهشی نامه‌ی هنرهای تجسمی و کاربردی, 17(46),
·         جهانگیری،سجاد.(1404).یادگیری عمیق  و روش استفاده از آن در بخش های تولید در سینما. https://cinemaengineer.com/rd/deep-learning
·         رحمتی، حسینعلی. (1400). ضرروت پژوهش های اخلاقی در حوزه اخلاق فناوری اطلاعات. حوزه، 38(12-13 )، 117-121. SID. https://sid.ir/paper/1049575/fa
·         زارع سریزدی، مهدی.(1398) یادگیری عمیق چگونه صنعت رسانه را متحول می‌کند؟. https://www.zoomit.ir/tech/341072-deep-learning-revolutionize-broadcasting/
·         سهرابی مقدم چافجیری، ایمان و اکبرنژاد دموچالی، حسین،1401،تحلیل و بررسی نقش هوش مصنوعی  در تولید و پردازش پویانمایی،نخستین همایش ملی فرهنگ و هنراسلامی،بندرعباس ،https://civilica.com/doc/1679538
·         گلچین، محسن.(1398). هوش مصنوعی  در دنیای بی کران پویانمایی. https://nooshika.com/artificial-intelligence-in-animation-word/
·         میرزایی، عباس، و فرجی، فاطمه. (1400). شناسایی فعالیت های انسانی مبتنی بر سنسورهای متحرک در اینترنت اشیا با استفاده از یادگیری عمیق. مهندسی برق و مهندسی رایانه ایران - ب مهندسی رایانه، 19(4 )، 313-324. SID. https://sid.ir/paper/955020/fa
·         Aberman, K., Shi, Y., Lischinski, D., Sheffer, A., & Cohen-Or, D. (2020). Skeleton-aware networks for deep motion retargeting. ACM Transactions on Graphics, 39(4), Article 62. https://doi.org/10.1145/3386569.3392462
·         Akber, S. M. A., Kazmi, S. N., Mohsin, S. M., & Szczesna, A. (2023). Deep learning-based motion style transfer tools, techniques, and future challenges. Sensors, 23(5), 2597. Available at https://www.researchgate.net/publication/368856641_Deep_Learning-Based_Motion_Style_Transfer_Tools_Techniques_and_Future_Challenges
·         Brooks، R. (2022). Full Body Image Animation with Deep Learning: A Review. Santa Clara University.
·         CAD_22(S1). (2025). 3D Animation Automatic Generation and Interaction Analysis Using CAD Technology. Computer-Aided Design & Applications، 22(S1)، 46–59.
·         Fadelli، M. (2019). Artificial intelligence in animation: Reader’s insights. Retrieved from https://techxplore.com.
·         Goodfellow، I.، Pouget-Abadie، J.، Mirza، M.، Xu، B.، Warde-Farley، D.، Ozair، S.، … & Bengio، Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems، 2672-2680.
·         Hochreiter، S.، & Schmidhuber، J. (1997). Long short-term memory. Neural Computation، 9(8)، 1735-1780.
·         Holden، D.، Saito، J.، & Komura، T. (2016). A Deep Learning Framework for Character Motion Synthesis and Editing. SIGGRAPH Technical Paper. https://doi.org/10.1145/2897824.2925975
·         Jiang، J.، & Wang، X. (2024). Animation Scene Generation Based on Deep Learning of CAD Data. Computer-Aided Design & Applications، 21(S19)، 1-16.
·         Krizhevsky، A.، Sutskever، I.، & Hinton، G. E. (2012). Imagenet classification with deep convolutional neural networks. Communications of the ACM، 60(6)، 84-90.
·         Mourot، L.، Hoyet، L.، Le Clerc، F.، Schnitzler، F.، & Hellier، P. (2022). A Survey on Deep Learning for Skeleton-Based Human Animation. Computer Graphics Forum، 41(1)، 122–157.
·         Orvalho، V.، Serra، J.، & Barbosa، N. (2024). Frameworks for Reactive Joint-based Animation in Intelligent Systems. Porto Interactive Center Thesis.
·         Pan، Z.، et al. (2020). Deep Learning for 3D Human Motion Analysis. Journal of Motion Analysis.
·         Peng، X. B.، Berseth، G.، & Van de Panne، M. (2018). Deep reinforcement learning for interactive character animation. Retrieved from https://www.deepmotion.ai.
·         Peng، X. B.، Kanazawa، A.، Malik، J.، Abbeel، P.، & Levine، S. (2018). Sfv. ACM Transactions on Graphics، 37(6)، 1-14. https://doi.org/10.1145/3272127.3275014
·         Shi، J. (2024). Reinforcement Learning for 3D Animation Scene Optimization. AI Simulation Journal، 19(4)، 45–58.
·         Xu، C.، & Xu، Y. (2025). Immersive Animation Scene Design Using Virtual Reality Techniques. Computer-Aided Design & Applications، 22(S1)، 46–59.
·         Ye، Z.، Wu، H.، & Jia، J. (2022). Human motion modeling with deep learning: A survey. AI Open، 3، 35–39. https://doi.org/10.1016/j.aiopen.2021.12.002
·         Zhao، J.، & Zhao، X. (2022). Dynamic Human Motion Recognition in Virtual Animation Scenes. Computer-Aided Graphics Journal، 30(4)، 63–78.