భావోద్వేగ చలనాలతో కూడిన 3D శైలీకృత పాత్ర కోసం రియల్-టైమ్ ముఖానిమేషన్
Author
Venue
ACM
Abstract
యానిమేషన్ ఉత్పత్తి పద్ధతుల సామర్థ్యం మరియు ప్రభావవంతతను మెరుగుపరచడమే మా లక్ష్యం. మేము రెండు రియల్-టైమ్ పరిష్కారాలను అందిస్తున్నాము, ఇవి పాత్ర భావాలను జ్యామితీయంగా స్థిరంగా మరియు గ్రహణయోగ్యంగా సరైన పద్ధతిలో నడుపుతాయి. మా మొదటి పరిష్కారం కీఫ్రేమ్ యానిమేషన్ పద్ధతులను మెషిన్ లెర్నింగ్ మోడళ్లతో మిళితం చేస్తుంది. ఒక 2D మానవ చిత్రాన్ని ఉపయోగించి, ఒక స్టైలైజ్డ్ 3D రిగ్ పారామీటర్ను రూపొందించడానికి 3D ఎమోషన్ ట్రాన్స్ఫర్ నెట్వర్క్ను మేము ప్రతిపాదిస్తున్నాము. మా రెండవ పరిష్కారం బ్లెండ్షేప్-ఆధారిత మోషన్ క్యాప్చర్ యానిమేషన్ పద్ధతులను మెషిన్ లెర్నింగ్ మోడళ్లతో మిళితం చేస్తుంది. మేము ఒక బ్లెండ్షేప్ అడాప్షన్ నెట్వర్క్ను ప్రతిపాదిస్తున్నాము, ఇది జ్యామితీయ స్థిరత్వం మరియు కాలానుగత స్థిరత్వంతో క్యారెక్టర్ రిగ్ పారామీటర్ కదలికలను ఉత్పత్తి చేస్తుంది. మేము మా సిస్టమ్ను వాణిజ్య ఉత్పత్తి అయిన ఫేస్వేర్తో పోల్చి, దాని సామర్థ్యాన్ని ప్రదర్శిస్తున్నాము. ఫలితాలు వెల్లడించిన దాని ప్రకారం, మా సిస్టమ్ల ద్వారా యానిమేటెడ్ పాత్రల కోసం చిత్రీకరించిన భావోద్వేగాల గుర్తింపు, తీవ్రత మరియు ఆకర్షణ రేటింగ్లు ఫేస్వేర్ కంటే గణాంకపరంగా ఎక్కువగా ఉన్నాయి. మా ఫలితాలను యానిమేషన్ పైప్లైన్లో అమలు చేయవచ్చు, ఇది యానిమేటర్లు భావోద్వేగాలను మరింత వేగంగా మరియు కచ్చితంగా సృష్టించడానికి సహాయపడుతుంది.
