Datorizēta sejas animēšana

Datorizēta sejas animēšana ir datorgrafikas nozare, kas ietver metodes un tehnoloģijas cilvēka sejas modeļu un attēlu radīšanai un animācijai. Modelis var būt gan cilvēks, gan dzīvnieks, gan cits iedomāts tēls. Tā bieži tiek pielietota citās zinātniskajās jomās un mākslas virzienos, sākot no psiholoģijas līdz pat tradicionālajai animācijai. Cilvēku sejas kustību nozīme gan verbālā, gan neverbālā komunikācijā un sasniegumi datorgrafikā ir izveidojuši diezgan lielu zinātnisko, tehnoloģisko un māksliniecisko interesi par sejas animācijām, izmantojot datorsistēmas.

Kaut gan sejas animācijas metožu izstrāde sākās 1970. gadu sākumā, tomēr lielākais progress šājā nozarē sasniegts tikai kopš 1980. gadu beigām.

Tehnikas

Sejas animāciju datu radīšana

Sejas animācijas datu ģenerēšanu var veikt dažādos paņēmienos:

uz punktiem bāzēta kustības uztveršana, kur punkti atrodas uz aktiera sejas
bez punktu kustības uztveršanas tehnika, kur izmanto dažāda tipa kameras
uz skaņu balstītas tehnikas
atslēgas kadru animācja

Kustības uztveršana izmanto kameras, kas noliktas apkārt subjektam. Modelis parasti aprīkots vai nu ar atstarotājiem (pasīvo kustību uztveršanas) vai avotiem (aktīvs kustības uztveršanas), kas precīzi nosaka objekta stāvokli telpā. Reģistrētie dati ar kamerām tiek pārveidoti ciparu formātā un pārvērsti trīsdimensiju datora modeli. Galvenās grūtības kustības uztveršanai ir kvalitatīvu datu nodrošināšana.

Bez punktu kustības uztveršanas mērķis ir vienkāršot kustības uztveršanu, neuzliekot uz kustības aktiera punktus. Sistēma ir balstīta uz spēcīgu bezsaistes sejas izsekošanas posmu, kurā sistēma tiek apmācīta ar dažādām sejas izteiksmēm.

Uz skaņu balstītas tehnikas ir ļoti piemērotas runas animācijām. Animācijā runa parasti tiek apstrādāta citā veidā, nekā sejas izteiksmes animācija, tāpēc ka vienkāršā atslēgas kadru bāzēta pieeja animācijai parasti nenodrošina reāllaika dinamiku runai. Daži modeļi nodrošina runas animāciju no skaņas. Šīs sistēmas parasti izmanto slēptā Markova modeli vai neironu tīklus, lai pārveidotu audio parametrus sejas modeļu kontroles parametru plūsmā. Metodes priekšrocības ir tādas, ka tā spēj apstrādāt balsi pēc konteksta, kurā ietilpst ritms, temps, emociju un dinamikas kontrole bez ļoti sarežģītiem algoritmiem.

Atslēgas kadru animācija ir vismazāk automatizētā metode, lai iegūtu animāciju no datiem, kaut gan tā arī nodrošina pilnu kontroli pār animāciju. To parasti lieto ar citām tehnikām, lai nodrošinātu gala animāciju.

Sejas animāciju piemērošana modeļiem

Galvenās tehnikas, lai piemērotu sejas animāciju modeļiem, ir:

Morph mērķa animācija
Kaulu bāzēta animācija
Uz tekstūrām bāzēta animācija (2D vai 3D)
Fizioloģiskie modeļi

Sejas animāciju valodas

Daudzas sejas animācijas valodas tiek izmantotas, lai aprakstītu animācijas saturu. Tas var būt kā ievaddati kādai saderīgai programmai, atskaņotājam, kas var attēlot pieprasīto darbību. Sejas animācijas valodas ir cieši saistītas citām multimediju prezentācijas valodām, kā SMIL un VRML. Lielākā daļa sejas animāciju valodu par pamatu ņem XML valodu tās popularitātes un datu atspoguļošanas iespēju dēļ. Paraugs Virtual Human Markup Language (VHML):

 <vhml>
   <person disposition="angry">
     First I speak with an angry voice and look very angry,
     <surprised intensity="50">
       but suddenly I change to look more surprised.
     </surprised>
   </person>
 </vhml>

Iespējām bagātākās valodas pieļauj arī nosacījumu elementus, notikumu apstrādi un paralēlas darbības. Piemērs Face Modeling Language (FML):

 <fml>
   <act>
     <par>
 	<hdmv type="yaw" value="15" begin="0" end="2000" />
 	<expr type="joy" value="-60" begin="0" end="2000" />
     </par>
     <excl event_name="kbd" event_value="" repeat="kbd;F3_up" >
 	<hdmv type="yaw" value="40" begin="0" end="2000" event_value="F1_up" />
 	<hdmv type="yaw" value="-40" begin="0" end="2000" event_value="F2_up" />
     </excl>
   </act>
 </fml>

Ārējās saites