Realtime gezichtsanimatie voor gestileerde 3D-personages met emotionele dynamiek
Author
Venue
ACM
Abstract
Ons doel is om de efficiëntie en effectiviteit van animatieproductietechnieken te verbeteren. We presenteren twee realtime-oplossingen die karakteruitdrukkingen op een geometrisch consistente en perceptueel geldige manier aansturen. Onze eerste oplossing combineert keyframe-animatietechnieken met machine learning-modellen. We stellen een 3D-emotieoverdrachtsnetwerk voor dat gebruikmaakt van een 2D-afbeelding van een mens om een gestileerde 3D-rigparameter te genereren. Onze tweede oplossing combineert op blendshapes gebaseerde motion capture-animatietechnieken met machine learning-modellen. We stellen een blendshape-aanpassingsnetwerk voor dat de bewegingen van de karakter-rig-parameters genereert met geometrische consistentie en temporele stabiliteit. We demonstreren de effectiviteit van ons systeem door het te vergelijken met een commercieel product, Faceware. De resultaten laten zien dat de beoordelingen van de herkenbaarheid, intensiteit en aantrekkelijkheid van de uitdrukkingen die via onze systemen voor geanimeerde karakters worden weergegeven, statistisch gezien hoger zijn dan die van Faceware. Onze resultaten kunnen worden geïmplementeerd in de animatiepijplijn, waardoor animators worden ondersteund om sneller en nauwkeuriger uitdrukkingen te creëren.
