Yüz hareketi yakalama - Facial motion capture - Wikipedia

Yüz hareketi yakalama bir kişinin yüzünün hareketlerini elektronik olarak kamera kullanarak dijital bir veri tabanına dönüştürme işlemidir veya lazer tarayıcılar. Bu veritabanı daha sonra üretmek için kullanılabilir bilgisayar grafikleri (CG), bilgisayar animasyonu filmler, oyunlar veya gerçek zamanlı avatarlar için. CG karakterlerinin hareketi gerçek insanların hareketlerinden türetildiği için, animasyonun manuel olarak oluşturulmasına göre daha gerçekçi ve incelikli bir bilgisayar karakter animasyonu ile sonuçlanır.

Yüz hareket yakalama veritabanı, oyuncunun yüzündeki referans noktalarının koordinatlarını veya göreceli konumlarını açıklar. Yakalama iki boyutlu olabilir ve bu durumda yakalama işlemi bazen "ifade izleme "veya üç boyutlu. Tek bir kamera ve yakalama yazılımı kullanılarak iki boyutlu yakalama elde edilebilir. Bu, daha az karmaşık izleme sağlar ve kafa dönüşü gibi üç boyutlu hareketleri tam olarak yakalayamaz. Üç boyutlu yakalama başarılır. kullanma çok kameralı donanımlar veya lazer işaretleme sistemi. Bu tür sistemler tipik olarak çok daha pahalıdır, karmaşıktır ve kullanımı zaman alıcıdır. İki baskın teknoloji mevcuttur; işaretleyici ve işaretsiz izleme sistemleri.

Yüz hareketi yakalama, vücut hareketi yakalama ile ilgilidir, ancak olası ince ifadeleri algılamak ve izlemek için daha yüksek çözünürlük gereksinimleri nedeniyle daha zordur. küçük hareketler gözlerin ve dudakların. Bu hareketler genellikle birkaç milimetreden daha azdır ve tam vücut yakalamada genellikle kullanılandan daha fazla çözünürlük ve aslına uygunluk ve farklı filtreleme teknikleri gerektirir. Yüzün ek kısıtlamaları da modelleri ve kuralları kullanmak için daha fazla fırsat sağlar.

Yüz ifadesi yakalama yüz hareketi yakalamaya benzer. İnsanlardan gelen girdilerle bilgisayarda üretilen karakterleri işlemek için görsel veya mekanik araçlar kullanma işlemidir. yüzler veya duyguları tanımak bir kullanıcıdan.

Tarih

Performans odaklı animasyonu tartışan ilk makalelerden biri tarafından yayınlandı Lance Williams Orada, 'gerçek yüzlerin ifadelerini edinmenin ve bunları bilgisayar tarafından oluşturulan yüzlere uygulamanın bir yolunu' tarif ediyor.[1]

Teknolojiler

Marker tabanlı

Geleneksel markör tabanlı sistemler oyunculara 350 adede kadar markör uygular yüz ve işaretleyici hareketini yüksek çözünürlükle izleyin kameralar. Bu gibi filmlerde kullanıldı Kutup Ekspresi ve Beowulf gibi bir aktöre izin vermek Tom Hanks birkaç farklı karakterin yüz ifadelerini yönlendirmek için. Ne yazık ki bu nispeten külfetli ve yumuşatma ve filtreleme gerçekleştiğinde aktörlerin ifadelerinin aşırı derecede sürülmesine neden oluyor. Gibi yeni nesil sistemler CaptiveMotion daha yüksek ayrıntı seviyelerine sahip geleneksel işaretçi tabanlı sistemin yan alanlarını kullanır.

Aktif LED İşaretleyici teknolojisi şu anda kullanıcı geri bildirimi sağlamak için gerçek zamanlı olarak yüz animasyonunu yönlendirmek için kullanılmaktadır.

İşaretsiz

İşaretsiz teknolojiler, yüzün özelliklerini kullanır. burun delikleri, dudakların ve gözlerin köşelerini ve kırışıklıkları takip edin. Bu teknoloji şu adreste tartışılmış ve gösterilmiştir: CMU,[2] IBM,[3] Manchester Üniversitesi (bunun çoğunun başladığı yer Tim Cootes,[4] Gareth Edwards ve Chris Taylor) ve diğer yerlerde aktif görünüm modelleri, temel bileşenler Analizi, öz izleme, deforme olabilen yüzey modelleri ve istenen yüz özelliklerini izlemek için diğer teknikler çerçeve çerçeveye. Bu teknoloji çok daha az kullanışlıdır ve oyuncu için daha fazla ifade sağlar.

Bu görme temelli yaklaşımlar aynı zamanda çoğu bilgisayar animasyonlu özellikte bariz problemler olan göz bebeği hareketini, göz kapaklarını, dudaklar ve dil ile diş tıkanıklığını izleme yeteneğine sahiptir. Görme temelli yaklaşımların tipik sınırlamaları çözünürlük ve kare hızıdır, her ikisi de yüksek hız, yüksek çözünürlük gibi sorunlar olarak azalan CMOS kameralar birden çok kaynaktan elde edilebilir hale gelir.

İşaretsiz yüz izleme teknolojisi, Yüz tanıma sistemi Yüz tanıma sistemi potansiyel olarak her video karesine sıralı olarak uygulanabildiğinden, yüz izleme ile sonuçlanır. Örneğin Neven Vision sistemi[5] (eski adıyla Eyematics, şimdi Google tarafından satın alındı) kişiye özel eğitim olmaksızın gerçek zamanlı2D yüz izlemeye izin verdi; sistemleri ayrıca ABD Hükümeti'nin 2002 Yüz Tanıma Satıcı Testinde (FRVT) en iyi performans gösteren yüz tanıma sistemleri arasındaydı. Öte yandan, bazı tanıma sistemleri, nötr olmayan ifadelerde başarısız olan veya başarısız olan ifadeleri açık bir şekilde izlemez ve izleme için uygundur. Tersine, deforme olabilen yüzey modelleri belirsizliği gidermek ve daha sağlam sonuçlar elde etmek için zamansal bilgi havuzu ve bu nedenle tek bir fotoğraftan uygulanamaz.

İşaretsiz yüz izleme, aşağıdakiler gibi ticari sistemlere doğru ilerledi: Görüntü Metrikleri gibi filmlerde uygulanmış olan Matrix devam filmleri[6]ve Benjamin Button'ın Tuhaf Hikayesi İkincisi, Mova deforme olabilen bir yüz modelini yakalamak için sistem, daha sonra manuel ve görsel izleme kombinasyonu ile canlandırıldı.[7] Avatar başka bir önemli performans yakalama filmiydi ancak işaretsiz olmaktan çok boyalı işaretler kullandı. Dynamixyz[kalıcı ölü bağlantı ] şu anda kullanımda olan başka bir ticari sistemdir.

Markersiz sistemler birkaç ayırt edici kritere göre sınıflandırılabilir:

  • 2D ve 3D izleme
  • kişiye özel eğitim veya diğer insan yardımının gerekli olup olmadığı
  • gerçek zamanlı performans (bu, yalnızca eğitim veya denetim gerekmediğinde mümkündür)
  • Mova sisteminde kullanılanlar gibi yansıtılan desenler veya görünmez boya gibi ek bir bilgi kaynağına ihtiyaç duyup duymadıkları.

Bugüne kadar hiçbir sistem tüm bu kriterler açısından ideal değildir. Örneğin, Neven Visionsystem tamamen otomatikti ve hiçbir gizli kalıp veya kişi başı eğitim gerektirmiyordu, ancak 2D idi.[8]3B, otomatik ve gerçek zamanlıdır ancak öngörülen desenler gerektirir.

Yüz ifadesi yakalama

Teknoloji

Mekanik sistemler hantal ve kullanımları zor olduğundan, dijital video tabanlı yöntemler giderek daha fazla tercih edilmektedir.

Kullanma dijital kameralar, girdi kullanıcının ifadeleri kafa sağlamak için işlenir poz, bu da yazılımın gözleri, burnu ve ağzı bulmasını sağlar. Yüz, başlangıçta nötr bir ifade kullanılarak kalibre edilir. Daha sonra mimariye bağlı olarak kaşlar, göz kapakları, yanaklar ve ağız nötr ifadeden farklılıklar olarak işlenebilir. Bu, örneğin dudakların kenarlarına bakılarak ve onu benzersiz bir nesne olarak tanıyarak yapılır. Çoğunlukla kontrast artırıcı makyaj veya keçeli kalemler veya işlemi daha hızlı hale getirmek için başka bir yöntem kullanılır. Ses tanıma gibi, en iyi teknikler de zamanın sadece yüzde 90'ında iyidir ve elle büyük miktarda ince ayar veya hatalara tolerans gerektirir.

Bilgisayar tarafından oluşturulan karakterler aslında sahip olmadığından kaslar, aynı sonuçları elde etmek için farklı teknikler kullanılır. Bazı animatörler, yakalama yazılımı tarafından kontrol edilen kemikler veya nesneler oluşturur ve bunları uygun şekilde hareket ettirir; bu, karakter doğru şekilde donatıldığında iyi bir yaklaşım verir. Yüzler çok elastik olduğundan, bu teknik genellikle diğerleriyle karıştırılır, ağırlıkları farklı şekilde ayarlar. cilt istenen ifadelere bağlı olarak esneklik ve diğer faktörler.

Kullanım

Birkaç ticari şirket kullanılmış, ancak oldukça pahalı ürünler geliştirmektedir.

Bunun önemli hale gelmesi bekleniyor giriş aygıtı bilgisayar oyunları için yazılım uygun bir formatta sunulduğunda, ancak son 15 yıldır neredeyse kullanılabilir sonuçlar üreten araştırmalara rağmen donanım ve yazılım henüz mevcut değil.

Ayrıca bakınız

Referanslar

  1. ^ Performans Odaklı Yüz Animasyonu, Lance Williams, Computer Graphics, Volume 24, Number 4, August 1990
  2. ^ AAM Uydurma Algoritmaları Arşivlendi 2017-02-22 de Wayback Makinesi Carnegie Mellon'dan Robotik Enstitüsü
  3. ^ "Yüz İfadelerinin Gerçek Dünyada Gerçek Zamanlı Otomatik Tanınması" (PDF). Arşivlenen orijinal (PDF) 2015-11-19 tarihinde. Alındı 2015-11-17.
  4. ^ Modelleme ve Arama Yazılımı ("Bu belge, istatistiksel görünüm modellerinin nasıl oluşturulacağını, görüntüleneceğini ve kullanılacağını açıklar.")
  5. ^ Wiskott, Laurenz; J.-M. Kötü; N. Kruger; C. von der Malsurg (1997), "Elastik grup grafiği eşleştirmeyle yüz tanıma", Bilgisayar Bilimlerinde Ders NotlarıSpringer, 1296: 456–463, CiteSeerX  10.1.1.18.1256, doi:10.1007/3-540-63460-6_150, ISBN  978-3-540-63460-7
  6. ^ Borshukov, George; D. Piponi; O. Larsen; J. Lewis; C. Templelaar-Lietz (2003), "Evrensel Yakalama - Yeniden Yüklenen Matrix için Görüntü Tabanlı Yüz Animasyonu""", ACM Siggraph
  7. ^ Barba, Eric; Steve Preeg (18 Mart 2009), "Benjamin Button'ın Tuhaf Yüzü", Vancouver ACM SIGGRAPH Bölümünde Sunum, 18 Mart 2009.
  8. ^ Weise, Thibaut; H. Li; L. Van Gool; M. Pauly (2009), "Face / off: Live Facial Puppetry", Bilgisayar Animasyonu ACM Sempozyumu

Dış bağlantılar