計算機角色動畫制作中的可視媒體融合綜述

蘇玉慧

摘要：計算機角色動畫在計算機游戲、虛擬現實、運動仿真等多個領域有著深入的應用，其主要包括可視媒體有圖像、視頻、三維模型等，傳統的單一可視媒體進行計算機角色動畫制作正逐漸被多種可視媒體融合的制作方法取代。文章對計算機角色動畫制作中的可視媒體融合技術進行了綜述。

關鍵詞：計算機角色動畫；可視媒體；融合技術

隨著計算機角色動畫制作的發展和應用規模的逐漸擴大，計算機角色動畫制作還涉及計算機視覺、計算機圖形學及機器學習等技術范疇，因此，其發展過程成為多種可視媒體融合的研究領域。

1可視媒體融合技術概述

在計算機角色動畫制作中會涉及圖像、三維模型、視頻以及運動捕捉等多種數據的綜合處理，這些數據通過計算機的采集、編輯和壓縮的形式被制作成多媒體數據源的形式展現出來，并經過相互之間的作用形成鮮明的動畫角色，這就是可視媒體融合技術。

多視點圖像中提取的角色通過對側影信息的變形來實現個性化角色的轉變，再通過對運動數據的捕捉來實現角色模型的驅動，以此建立具體的動畫角色。這個過程中主要運用了圖像、運動捕捉和三維模式。因此，不同的可視媒體所采用的融合技術是不相同的。

2可視媒體融合分類

計算機動畫角色在應用過程中呈現出跨度大和設計范圍廣等特點，各種動畫角色的設置都需要建立在可視媒體的基礎上，下面對可視媒體的融合進行分類研究。

2.1視頻融合

（1）多視點人體角色視頻合成三維角色動畫：對動畫角色進行攝像機的同步，根據拍攝角色的輪廓、深度信息等對每一幀中的角色進行重建，根據當前視覺的多視點紋理來合成角色紋理，這樣就能夠得到三維角色動畫而不是靜態的三維模型了。（2）角色動畫片段生成：主要采用渲染的方式，實現了片段的編輯，生成角色所需要的動畫。（3）視頻重組：分解和提取現有視頻組合相似的視頻片段，使其成為一個新的視頻，實現了有限視頻資源的利用，視頻重組技術在一些特殊動畫角色上也有應用，例如昆蟲等，通過對原有視頻的重新組合和制作進而形成新的視頻，保證各種片段之間的連續性，用戶通過對代價函數的運用，實現了對角色運動軌跡的控制，進而形成了嶄新的動畫角色。

2.2圖像融合

（1）IBM構建角色模型：以IBM科學技術為基礎，以定標的方式實現相機模型的產生，在多視點圖像中建立三維角色，并將事先做好的圖像貼到事先做好的模型當中，以便實現真實角色的還原。但是還有一點需要注意，就是定標的過程中可能產生一定的誤差，因此，角色模型與真實事物也會存在一定的差異。（2）卡通畫制作輔助系統：分層化處理輸入的關鍵幀，將其分解，對相鄰的2個關鍵幀筆畫可以建立對應關系，利用插值技術形成渡幀，進而促進動畫的形成。（3）角色重用技術：采用背景分割的方式實現角色的提取，算出任意2幀之間的差異，最終得到距離矩陣，最后根據每一幀數據投影來形成連通圖，經過畫師對連通圖起點終點計算最小路徑，從而構成卡通角色動畫，為了使動畫更加平滑、完整，可以用插值的方式來生成過渡幀。

2.3三維模型融合

（1）實時插值技術：此技術以樣例為基礎，其插值方式有2種，一種是徑向基插值，一種是組合線性插值，這樣就實現了動畫人物角色及人臉上的平滑過渡，在一些動畫游戲的交互設計方面也有著重要的應用。（2）人體模型變形技術：此技術也是以樣例為基礎，對人體表面的標記點進行掃面，能夠促進動畫角色骨架的形成，進而形成動畫樣本的參數，在參數空間內進插值就能夠得到動畫角色模型，人體樣本子空間的建立的主要方法是PCA法，能夠實現個性化人體角色的生成，樣本數據由多個人體模型來組成，這種模型的合成和變形技術主要生成的都是動畫角色人物的靜態模型。（3）關節運動生成：當前有許多研究指出可以利用逆向運動來生成關節運動，首先建立世界坐標系，得出角色角的具體位置，通過偽逆矩陣來實現動畫角色全身各項關節處的旋轉角度，進而促進關節運動的實現。

2.4運動捕獲數據融合

將已經存在的運動數據作為輸入，對這些已經存在的數據進行處理，形成新的數據，這個過程就是運動捕獲數據融合的過程：（1）設定副詞空間：在此空間的多條坐標軸都代表了不同的運動數據，可能是不同說話風格的數據，也可能是不同角色類型的數據。之后在每條坐標中用手工標注出預期相對應的運動數據樣本，最后對這些數據進行插值處理，就能夠得到新的運動數據。（2）將原始數據投影到低維空間中：對其進行參數化設置，這樣就可以在其中進行草圖的勾畫，或對三維人體姿態進行操作，最后對這些原始運動數據進行插值處理。（3）運動檢索：從運動數據庫中實現對數據的捕捉，對捕捉到的數據進行檢索，得到數據存在的邏輯關系，實現參數化的空間設置，之后進行差值處理，得到新的捕獲數據；（4）運動紋理：運動紋理有2層結構，其是一種統計的模型，運動元素在底層結構中設置，能夠表示出運動數據的相關片段，最后生成運動紋理的模型，從而實現具有真實感的人體三維數據。（5）多分辨率過濾：不同風格的運動有著不同的頻率信號，多分辨率過濾法能夠將高頻信號和中低頻信號分開。（6）獨立成分分析：通過此方法能夠生成真實感人體的運動數據，在原始高維人體運動數據中，對人體行為特點進行抽取，建立ICA子空間，并根據插值操作，形成人體運動新數據的產生。

2.5視頻與三位模型融合

對動畫角色和輸入的視頻動畫進行動畫角色的融合，這個過程就稱為視頻與三維模型的融合。上文中提到以多視點視頻變形中性模型得到動畫角色的方法，以此方法為基礎，對一段角色的運動進行多視點拍攝，以其中的不同角度的角色側影為約束條件，將角色模型進行投影，在各個視角顯示，利用能量函數對中性模型進行變形，這樣就能夠使側影和投影的重疊最大，最后運用時空的紋理技術進行紋理信息的提取工作，制定動畫角色。視頻的提取能夠實現角色側影的提取，對中性的模型實現變形的特征。還能夠通過重建角色人臉的三維結構從而得到個性化的人臉，重建的過程中主要重建的是人臉之間的距離。

通過濾波器預測將要跟蹤的特征的具體位置，之后完成特征的匹配，整個特征跟蹤的流程為：預測——修正——預測，人體模型中有多個部位，且每一個部位之間都存在一定的比例關系，以這些經驗知識為基礎就能夠恢復人體的三維運動。

通過對側影的方法的實施來計算人體運動情況，進而得出一定的數據。首先需要進行側影工作的提取，通過了解人體骨架結構，在人體內部做姿態搜索工作，得出最佳的姿態數據，用作恢復的結果，之后對角色進行驅動，從而獲得角色動畫。

此外，還可以通過對人臉特征的運動方式的追蹤，進而實現對人臉目標的驅動，得到動畫角色的人臉動畫。

在上述分析的可視媒體融合中，都是通過側影及運動的約束和對三維模型角色的驅動來完成的，因此成為視頻與三維模型的融合。

2.6運動捕獲與三維模型融合

首先介紹一種運動重定向技術，將一個角色產生的所有數據在相同的結構上重啟，保存運動動作，保存原有運動角色的在時空條件上的約束，在重定的過程中要以此時空約束條件為基礎。

分析一種異構角色之間的重定向技術，以運動樣例為基礎，提取關鍵字時，根據這個關鍵姿勢構建動畫角色的姿勢，最后對關鍵幀進行相應的插值就能夠得到所需要的目標角色動畫。

當前還有比較流行的一種通過規定時空約束條件實現運動重用的過程，其主要以相應的目標函數為基礎，對相對應的角色進行求解，建立目標角色動畫。三維網絡模型與骨架架構相互對應，利用一種自動識別技術對關節點位置、數量、結構等進行識別，實現對應，最后通過對運動數據的捕捉，實現目標動畫角色的有機形成。

2.7圖像、三維模型以及運動捕獲數據三者的融合

先前所提到的都是2種可視媒體的融合，而圖像、三維模型以及運動捕獲三者可以進行融合，最終生成目標角色動畫。首先，對人體角色進行拍攝，拍攝時需要注意，要從4個正交方向分別拍攝，之后要提取側影，奠定角色側影模型側影與模型側影之間的緊密聯系，對兩者之間的聯系進行深入的了解，實現對中性模型的約束。當進行文理映射時，會通過對運動中捕捉到的數據建立驅動模型，形成動畫角色。其中可以對變形中性模型進行細致劃分，這樣得到的角色模型會更加精確，也就能夠驅動模型來獲得效果更好的角色動畫。以上分析的角色動畫生成方法就融合了圖像、三維模型以及運動捕獲等3種可視媒體。

3結語

本文對可視媒體融合技術進行了簡單的闡述，具體對不同的融合類型進行了綜述，首先分析了4種最基本的可視媒體生成角色動畫的技術，之后介紹了視頻與三維模型融合技術、運動捕獲與三維模型和運動捕獲與三維模型融合技術的融合技術。