نمای مجازی- سیستم ثبت چهره Image Metrics

بررسی سیستم ثبت و متحرک سازی شرکت Image Metrics

چند وقت پیش ، فیلمی ویدئویی از مصاحبه شخصی را مشاهده کردم که درباره یک سیستم جدید ثبت چهره سخن می گفت. از اینکه چطور این سیستم کار می کند و چطور از چهره اش برای ساخت یک نمونه مجازی استفاده شده است. خیلی منتظر بودم تا صحبت های این شخص تمام شود و من ، نمونه کار را ببینم . صحبت هایش تمام شد ؛ اما هیچ نمونه کاری مشاهده نکردم . چند بار فیلم را دیدم و بعد به چیزی شک کرد. دقت که کردم حسابی جا خوردم . تمام این مدت داشتم به نسخه مجازی شخصیت مذکور نگاه می کردم. از ابتدا تا پایان ؛ مجازی بود و من تمام این مدت فریب خورده بودم!

شرکت Image Metrics سیستم ثبت و متحرک سازی چهره ای را ارائه کرده است که در نوع خود نمونه منحصر به فردی بشمار می آید . در این مقاله پس از بیان یک مقدمه کوتاه به این موضوع و معرفی اجمالی این روش خواهیم پرداخت.

در میان روش های ثبت چهره سه روش کاربرد بیش تری دارند.روش نخست استفاده از تعداد زیادی نقطه مرجع روی صورت بازیگر به منظور ثبت حرکات چهره است . با ثبت موقعیت این نشانگر ها در حین حرکت اجزای صورت بازیگر ، می توان حرکات و حالات چهره شخص را بدست آورد. معمولاً بسته به این که هدف ساخت شخصیت دو بعدی است یا سه بعدی، به یک یا چند دوربین نیاز است.

فرایند قراردهی نشانگر ها روی صورت و نیز ثبت حرکات بسیار زمان بر و پرزحمت است و به تخصص نیاز دارد. در این تکنیک تعداد محدودی نشانگر را می توان روی صورت قرار داد و همین محدودیت باعث می شود حرکات برخی نقاط چهره مانند گوشه چشمها ، مردمک ها و زبان به دلیل اینکه نشانگری در آنها نمی توان استفاده کرد ؛ قابل ثبت نباشند. صرف ساعت ها زمان برای انجام تنظیمات و صرف روزها برای ثبت چهره و همچنین نیاز به گروه Motion Capture ماهر از جمله چالش های چنین شیوه ای است. در نهایت ، به دستکاری های فراوانی نیاز است تا داده های خام حاصل به نتیجه دلخواه برسند.

روش بعدی که بسیار هم مورد توجه قرار گرفته ، سیستم Contour است که به نوعی تعمیم یافته همان روش سنتی استفاده از نشانگر است ( در شماره 72 ماهنامه شبکه بطور مفصل این موضوع را بررسی کرده ایم ) و نتایج خوبی در بر دارد. اما برای اجرای آن باید از گریم ویژه ای روی صورت بازیگر استفاده کرد . تکنیک دیگری که به این منظور مطرح است استفاده از راهکارهای Markerless است. شرکت Image Metrics در این زمینه در حال فعالیت بوده و موفقیت هایی هم کسب کرده است. در این شیوه به استفاده از نقاط مرجع نیازی نیست و فقط با تجزیه و تحلیل تصاویر ویدئویی چهره مورد نظر ، به استخراج خصوصیات چهر ه می پردازند. راحتی بازیگر مهم ترین مزیت این روش است. از سویی ، با استفاده از این روش علاوه بر حرکات چهره می توان حرکات زبان ، چشم ها و ابروها را ( مواردی که در روشهای سنتی دور از دسترس هستند ) ثبت کرد.

سیستم ثبت چهره Image Metrics

برای شروع کار با این سیستم به فایل های ویدئویی چهره شخص مورد نظر ، Facial Rig و نیز مدل سه بعدی مربوطه نیاز نداریم. برای ثبت حرکات نیازی نیست که در محل خاصی محدود بود و این فرایند در هر جایی که مشتری تعیین می کند قابل اجراء است. از آنجا که معمولاً نیاز است علاوه بر حرکات چهره ، حرکات کل بدن نیز ثبت شود ؛ می توان این شیوه ثبت چهره را بطور همزمان با فرایند Motion Capture بکار برد. حتی حین ضبط صدا هم می توان به ثبت چهره پرداخت و در تمام این حالت ها بازیگر در وضعیت عادی خود بوده و هیچ نوع گریم اضافی ( با روش Contour) یا وجود نشانگر ( روش سنتی ) نیاز نیست. بطور کلی دو گزینه وجود دارد : یا باید حین ثبت حرکات بدن با استفاده از Mo – Cap از این روش استفاده کرد که در این صورت دوربین باید به طور مناسبی به سر متصل باشد یا اینکه یک دوربین ساده بطور ثابت قرار گیرد و بازیگر در مقابل آن به ایفای نقش بپردازد. از آنجا که کارگردان حین ثبت حرکات ( تصویر برداری از چهره ) آنچه را که به مدل سه بعدی اعمال خواهد شد ؛ می بیند لذا می تواند سرصحنه نسبت به حرکات و بازی بازیگر تصمیم گیری کند.
تصاویر پس از ثبت در مرحله ای موسوم به Performance Analysis مورد ارزیابی و تجزیه و تحلیل قرار گرفته و حرکات چهره و اجزای صورت در این مرحله ردیابی می شوند. شکل دهان و چشم ها ، اندازه مردمک ها ، مکان ابرو ها و مواردی از این قبیل با بررسی فریم به فریم و پیکسل به پیکسل تعیین می شود . نکته مهم در این مرحله این است که حتی با بررسی فایل های ویدئویی می توان حرکات چین و چروک های روی پوست و حرکات زبان شخص را نیز بطور مناسبی تجزیه و تحلیل کرد. به عبارت دیگر ، اطلاعات مربوط به بافت پوست به خوبی از این طریق قابل دستیابی است؛ اطلاعاتی که اغلب در فرایند سنتی مانند Mo- Cap از دست می روند.
نتایج حاصل از مرحله Performance Analysis پس از بازبینی به Facial Rig اعمال می شود. Facial Rig یا توسط مشتری و بر اساس نیازهای موجود فراهم می شود یا توسط Image Metrics به منظور دستیابی به بهترین نتیجه طراحی می گردد. طراحی Facial Rig توسط Image Metrics برای مشتری مفید تر است.

یک انیماتور در Image Metrics داده های حاصل در مرحله Performance Analysis را به مدل سه بعدی اعمال می کند و پس از تجزیه و تحلیل حرکات بازیگر ، یکسری Extreme Poses انتخاب می شود که از شات های واقعی ناشی شده اند و با استفاده از آنها یک Library ایجاد می گردد.
بعد از ایجاد Library محاسبه In – between ها ( تصاویر میانی) توسط نرم افزار انجام می شود. این کار شبیه همان شیوه ای است که در ساخت انیمیشن دستی صورت می گیرد ( طراحی یکسری فریم های کلیدی و فریم های میانی این تصاویر ). انیماتور ها فقط در بازبینی شات ها و اصلاح برخی موارد دخالت دارند تا نتیجه کار واقع گرایانه تر شود. حاصل کار پس از بازبینی و تأیید به مشتری تحویل داده می شود ( به صورت Rig کاملاً متحرک سازی شده و در فرمت اصلی ) . شرکت سفارش دهنده می تواند حاصل کار را بطور مستقیم وارد جریان کاری خود کند. بهتر است حرکات بدن و چهره با هم ثبت شوند تا از هماهنگی لازم برخوردار بوده و حرکات یکپارچه باشند. اما برخی اوقات نیاز است که این کار بطور مجزا صورت گیرد. Image Metrics قادر است بخوبی این دو را با هم ادغام کند و تنها برخی اصلاحات مثلا ً در چشم ها یا نحوه تنفس بازیگر نیاز است.

انعکاس احساسات انسانی

تکنیکی که Image Metrics دنبال می کند در رده Performance Capture جای می گیرد؛ زیرا نحوه بازی بازیگر به خوبی در چهره شخصیت CG منعکس می شود و ثبت صرف چهره بازیگر در میان نیست؛ بلکه نحوه و سبک بازی بازیگر هم به شخصیت CG منتقل می گردد.چهره انسان صدها حرکت جزئی دارد که در ترکیب با هم ، احساسات را نشان می دهند. در محاسبات فریم های میانی توسط کامپیوتر ، این حرکات ظریف از بین می روند. اما در روش مورد استفاده Image Metrics این جزئیات تا حد ممکن حفظ می شوند که البته این به Rig مورد استفاده بستگی دارد. نتیجه می تواند با یافتن حرکات اصلی ، به مدل صورت انسان یا یک حیوان سخنگو اعمال شود و در این زمینه محدودیتی وجود ندارد. با اینکه نتیجه از جزئیات بالایی برخوردار است ؛ با این حال دستیابی به آن سریع تر از فرایندKey – Frame است و در نتیجه ارزان تر هم تمام می شود. نرم افزارهایی که می توان نتایج حاصل از این شیوه را در آنها بکار برد ؛ عبارتند از:

Maya , Aoutodesk Softimage ,Houdini, 3DMax,Light Wave 3D, Motion Builder.

طیف وسیعی از شرکت های نام آشنای ساخت بازی و جلوه های ویژه از مشتریان Image Metrics و تکنیک ثبت چهره آن هستند. در این میان می توان به Rhythm and Hues, Digital Domain. EA Sony, Epic, Capcom اشاره کرد.

پروژه جاه طلبانه کپی انسان
Image Metrics علاوه بر خدمات دهی به سازندگان بازی ها و فیلم ها روی پروژه ای هم متمرکز بوده و بطور ویژه ای روی آن حساب باز کرده است ؛ یعنی خلق یک شخصیت مجازی کاملاً واقع گرایانه و در حقیقت ، نسخه المثنی یک انسان واقعی. این شرکت در این پروژه یک انسان واقعی را الگوی خود قرار داده است تا دریابد چقدر به هدف نزدیک شده و سعی دارد نسخه مجازی آنرا بسازد. این با شیوه رایج شرکت فرق دارد. زیرا در کارهای رایج Image Metrics بیشتر سعی شده تا حرکات شخصیت ،حقیقی و باور پذیر باشند نه چهره و بافت صورت. اما در پروژه خاصی که Image Metrics دنبال می کند؛ هدف ، کپی سازی کامل انسان است.

این پروژه از مارس 2008 و با همکاری بخش ICT Graphics Lab ( دانشگاه کالیفرنیای جنوبی ) آغاز شده است. در Siggraph 2008 نمونه از پیش رندر شده این شخصیت ارائه شد و تحسین همگان را برانگیخت و نشان داد Image Metrics توانایی ارائه انیمیشن های واقع گرایانه از پیش رندر شده چهره انسانی را بخوبی دارد. گام بعدی Image Metrics ارائه نسخه بی درنگ این شخصیت بود که یک Demo از این نسخه را نیز در نمایشگاه CES 2009 ارائه کرد و مورد توجه قرار گرفت.
وقتی در حوزه گرافیک کامیپوتری سخن از نسخه بی درنگ بمیان می آید ؛ به سرعت محدودیت سخت افزاری به ذهن می رسد. این محدودیت در ارائه نسخه بی درنگ شخصیت متعلق به Image Metrics دو چندان می شود ؛ زیرا در اینجا با انبوهی از داده ها مواجه ایم که در انتظار پردازش هستند. جزئیات فراوان چهره و بافت پوست در حالت عادی به توان پردازشی زیادی نیاز دارند و اگر قرار باشد این حجم داده به صورت بی درنگ پردازش شوند و نتیجه هم به صورت بی درنگ و پشت سر هم ارائه شود ؛ توان پردازشی فوق العاده ای را طلب می کند.

AMD و Image Metrics
Image Metricsدر ارائه نتیجه کار خود ( شخصیت بی درنگ ) از سیستم جدید Dragon متعلق به AMD بهره می برد. در حقیقت ، می توان اینطور بیان کرد که AMD از Image Metrics برای نمایش توان پلتفرم Dragon خود بهره برده است . یک ماشین با سیستم پردازش چهار هسته ای ( Quad Core) مجهز به پردازنده PhenomII و سیستم گرافیکی سری 4000. بنابر ادعای AMD ، پردازنده PhenomII قادر به شبیه سازی سه تا چهار چهره بطور همزمان است . با این اوصاف ، افزودن شتاب دهنده های گرافیکی و نیز پردازنده های چند هسته ای ، این سیستم را قادر به پردازش هزاران نفر بطور همزمان خواهد کرد.
Image Metrics در ارائه نمونه بی درنگ از هیچ نشانگر یا گریم خاصی استفاده نمی کند و تصویر برداری با بکارگیری یک دوربین ساده صورت می گیرد. تجزیه و تحلیل ویدئو ها هم با استفاده از نرم افزار اختصاصی انجام می شود. در این راه از ICT Graphic Lab برای فراهم کردن جزئیات در افکت های پوست ، سایه ها و نورپردازی کمک گرفته می شود. قدرت محاسباتی سیستم ، اجازه رندر با نورپردازی ، حرکات چهره و سر و نیز نمایش را به طور بی درنگ می دهد. با استفاده از توان پردازشی ، شرکت AMD و Skin shader های ICT و انیمشن چهره شرکت Image Metrics می توان به کاراکتر های واقع گرایانه ای دست یافت.

کاربردهای سیستم جدید
کاربردهای سیستم ثبت و متحرک سازی Image Metrics کاملاً واضح است. و مهم ترین حوزه کاربرد هم مسلماً صنعت سرگرمی است. اما تکنیک ساخت شخصیت های مجازی و به ویژه نمونه بی درنگ آن ، کاربردهای گسترده تری دارد ؛ به نحوی که سیستم های امنیتی تشخیص چهره یکی از این موارد است. ساخت نسخه مجازی افراد هم یکی از کاربردهای جنجالی این روش است . در اینصورت می توان از نسخه دیجیتالی انسان در برگزاری ویدئو کنفرانس ها استفاده کرد و یا نمونه ای از خود برای آیندگان باقی گذاشت.

Image Metrics و رقبا
Image Metrics در ثبت چهره و شبیه سازی انسان به نتایج خوبی رسیده است ؛ اما باید پذیرفت که هنوز مسیر طولانی در پیش رو است . نمونه های ارائه شده توسط این شرکت هنوز کامل نیستند و در مقایسه با روش هایی نظیر Contour عملکرد ضعیف تری دارند. لیکن باید توجه داشت که سیستم ثبت چهره این شرکت تقریباً از هیچ آغاز می کند ( تنها یک ویدئو ) و نتایج حاصل نیز حیرت انگیز است.
مسلما ً در آینده شاهد پیشرفت های قابل توجهی در این زمینه خواهیم بود و با بهبود تکنیک های پردازش تصویر و نیز بهینه سازی توان سخت افزاری بکار رفته ، ساخت یک شخصیت شبه انسان به یک امر عادی و سهل تبدیل خواهد شد.

منبع : مهدی صنعت جو ( مؤلف و پژوهشگر ) - ماهنامه تخصصی شبکه- شماره 98

منابع تحقیق : www.image-metrics.com

www.cgsociety.org

www.tgdaily.com

13/05/1388