让PC“抓住”你微笑.docVIP

让PC“抓住”你微笑 　　在三维动画和视频领域，精细地还原面部表情一直是很大的难点。这不仅仅是因为面部动作十分复杂，而且细节很多。更重要的是，人对面部表情传递的信息非常敏感，三维模拟表情中细微的不自然都会被人识别出来。为了解决这一难题，传统的影视界尝试了很多方法，其一是扫描一个人大量不同的表情，再由艺术家修正并制做出很精细的表情，然后再借助这些表情进行插值计算，来获得其他的表情；其二是使用动作捕捉设备，如影片阿凡达就采用了类似的方法，这种方法可以快速捕捉面部预先指定的100多个标识点，记录它们的细微变化，但是这100多个点以外的细节信息就需要艺术家手动去添加了。为了降低手动绘图的工作量，提高三维动画的制作效率、精细度和真实性，最近微软亚洲研究院的研究员们和美国德州AM大学的教授合作，开发了“High Fidelity Facial Animation Capturing”技术，该技术有效地解决了传统技术存在的问题。 　　这项技术能够实现以下几个目标，首先在速度方面，它能够提供很高的捕捉帧速率，可以捕捉到面部运动的每个细节动作以及表情快速的变化；另外，在空间上，这项技术要能够尽可能多地还原3D面部的几何细节；同时这项技术不仅仅能够提供表情的捕捉和回放功能，还能够实现二次编辑，也就是说视频和动画的制作者可以根据这些素材制作全新表情。 　　在制作设备方面，High Fidelity Facial Animation Capturing技术使用了传统面部和运动捕捉上最常用的两种设备——三维扫描仪和运动捕捉设备。三维扫描仪能够捕捉静态人脸上十分精细的面部特征，但是它速度很慢，捕捉一个完整的人脸画面要几秒的时间，而且人必须在这个时候保持静止；而运动捕捉设备能够捕捉快速运动物体上的信息，并且能够生成在时间上非常精细的运动序列，但是它能提取的信息点十分有限，只能捕捉面部100多个点的运动规律。High Fidelity Facial Animation Capturing技术能将这两种设备获取的信息相结合，最终能够生成快速、连续且十分精细的人脸表情。 　　寻找关键帧 　　High Fidelity Facial Animation Capturing技术使用了类似Flash等动画制作工具中所涉及的关键帧与过渡帧的概念，首先???找到能够代表每一种表情的特征画面，即关键帧，之后再想办法通过关键帧生成过渡帧，并生成最终的表情变化视频。因此，这一技术首先要解决的就是如何寻找出最能代表人脸面部特征的关键帧。 　　微软亚洲研究院的研究员们首先使用运动捕捉设备捕捉人脸的各种表情和表情的变化，它可以拍摄并追踪人脸上预先贴好的100多个标识点。通过分析视频最终能够获得面部这些标识点的运动规律。在获取视频后，研究员们对视频进行处理，首先从整个视频序列中抽取几帧，并尝试用这些帧的线性组合去计算和生成所有的帧，并验证计算后的误差大小，如果误差大则换用其他的帧再次进行计算。在多次计算之后，将能够找到几个关键帧，这些帧能够线性组合出与真实情况最为接近的结果，接下来在这几帧的基础上再尝试加上一帧，再次进行计算，检验新加入的帧是否能使计算结果更加优化。通过这样一步步迭代和计算的方式，最终将能够得到一组关键帧，这些关键帧的组合用于重构人物表情，也就是人脸最具代表性的表情。 　　获取关键帧之后，研究员们会让刚才拍摄视频的演员模仿每一个关键帧中的表情，并使用三维扫描仪对这个表情进行高精度扫描，这样就可以获得每一个关键帧的高精度三维模型。这个三维模型与用三维绘图软件制作的模型没有什么区别，每个模型都是由多个在三维空间中的坐标点所组成，每个坐标点都包括x、y、z三个坐标上的数据，而坐标点越多则意味着三维面部模型越精细。 　　建立“软骨骼” 　　尽管已经要求演员尽量去模仿视频关键帧中的表情，但是事实上是无法再次做出完全相同表情的，此时就需要使用一些技术手段来实现两种数据对齐，也就是明确每个运动捕捉的点在扫描的三维人脸上的位置。研究员们会尝试对表情画面先进行一定的旋转和平移变化，保证两个表情画面大部分信息点可以对应到一起。对应完成后仍旧还会有少量的点存在微小不同。研究员们设立了一套面部变形的基本约束条件，在这个条件允许的范围内，存在微小不同的标识点可以做一定的变形，以实现对应。经过这样的对应，我们就已经知道了三维头像上100多个标识点准确和真实的运动规律，这些标识点的组合就像我们制作动画时，给人物加入的“骨骼”那样。骨骼可以决定整个身体的运动大规律，例如我们的膝盖不能向后弯曲，而标识点的组合则决定了整个面部的运动规律。 　　实现逐点对应 　　在有了面部的基本“骨骼”之后，接下来要做的就是尝试将三维面部模型上的每一个点都与其他模型上的点建立一一对应关系。这也是Hi