基于学习的动画制作方法:基于卡通角色的少量图像样本就可生成新动画

新知榜官方账号

2023-10-13 02:48:31

背景介绍

相比于依靠创作者手绘的动画,木偶动画的制作是个非常繁琐的过程,我们需要将一个动作分解成若干个环节,逐帧拍摄再连续放映为影片。近日,Adobe和康奈尔大学提出了一种名为「变形木偶模板」的动画制作方法,可实现基于少量卡通角色样本生成新角色动作,和木偶动画的制作方法倒是有异曲同工之妙。

传统动画制作中,每一帧都是由创作者亲手绘制完成的,因而输入的图像缺乏共同结构、配准或标签。研究人员将动画角色的动作变化演绎为一个层级2.5D模板网格的变形,并设计了一种新型架构,来学习预测能够匹配模板和目标图像的网格变形,从而实现由多样化的角色动作集合中抽象出共同的低维结构。

方法介绍

研究人员将可微渲染和网格感知(mesh-aware)模型结合起来对齐通用模板,哪怕只有少量卡通角色图像可以用来训练也没关系。除了动作,卡通角色的外观也会因为阴影、离面运动(out-of-planemotion)和图片艺术效果而呈现细微的差异。研究人员使用图像平移网络(imagetranslationnetwork)来捕捉这些细微变化,并改进了网格渲染结果。他们还为了生成更高质量的卡通角色新动画搭建了一个端到端的模型,这个模型可用于合成中间帧和创建数据驱动的变形,其模板拟合(templatefitting)步骤在检测图像配准方面的效果明显优于当前的通用技术。

该方法的目标是学习一个变形模型,基于一组无标注图像集合生成卡通角色。首先,用户通过分割一个参考帧来创建层级变形模板木偶;然后训练一个两阶神经网络:第一阶段学习如何扭曲木偶模板来重新设计角色外观,从而将变形木偶与输入序列中的每一帧进行匹配;第二阶段改进变形木偶的渲染结果,实现上个2D扭曲阶段无法呈现的纹理变化和动作效果。

实验结果

该架构和训练步骤类似于条件生成对抗网络。生成器对渲染图像进行精细处理,使其更加自然贴合。实验结果表明,该方法的渲染结果相对于传统优化技术更加逼真,也更加接近创作者绘画水准。如此一来,相对于需要大量专业知识才能使用的3D建模模板,用户会轻松许多。该方法还可用于数据驱动的动画制作,即合成动画帧由训练时获取的角色外观决定。

本页网址:https://www.xinzhibang.net/article_detail-16637.html

寻求报道,请 点击这里 微信扫码咨询

相关工具

相关文章

相关快讯