Menu

Proposta

Aluno: Gianluca Takara Ciccarelli

Orientador: Prof. Dr. Roberto Hirata Jr.

A indústria de produção de animações, que começou no início do Século XX com desenhos feitos com tinta sobre centenas de folhas de papel, hoje utiliza computadores e muitos softwares que auxiliam todo seu funcionamento. Tarefas como colorir, iluminar, e até outros efeitos especiais podem ser feitos usando diversas ferramentas para que o artista possa se focar em outras tarefas mais difíceis de serem automatizadas.

Uma dessas tarefas é o desenho de cada quadro. Uma animação pode vir a ter centenas deles, e para criá-los são necessárias muitas horas de trabalho de equipes de desenhistas. Alguns estúdios optam por economizar e diminuir a qualidade de suas animações.

No conjunto de quadros que compõem uma animação, existem keyframes e inbetween frames. Keyframes são quadros que definem o rumo da cena, definindo posições e movimentos. Inbetween frames são quadros intermediários que servem de transição entre keyframes, sendo muito semelhantes ao anterior e ao posterior. A quantidade de frames é crucial para definir a qualidade da percepção visual.

A proposta apresentada neste trabalho é a utilização de técnicas de visão computacional e processamento de imagens para criar quadros intermediários automaticamente a partir dos que foram feitos pelos próprios desenhistas. Isso diminuiria o número de quadros que precisam ser desenhados manualmente, e ajudaria no trabalho dessas equipes.

Para criar estes quadros intermediários, podemos modelar a transformação que leva o primeiro keyframe ao segundo. Aplicações como detecção de objetos em imagens ou fotos panorâmicas criadas a partir de um conjunto de fotografias utilizam modelagem por meio de transformações afins e projetivas. Técnicas empregadas nessas aplicações consistem em detectar pontos característicos, ou keypoints^[1], em ambas as imagens, fazer a correspondência de cada keypoint de uma imagem com um keypoint da outra imagem e, em seguida, estimar a transformação que melhor se aproxima dessas correspondências^[2]. Neste trabalho, será aplicada esta técnica utilizando keyframes como base para estimar os inbetween frames.

Objetivos

• Estudar o problema de estimar a transformação geométrica que melhor modela a transformação entre keyframes consecutivos
• Implementar uma solução baseada em estimação da transformação a partir de correspondência de pontos entre os dois keyframes
• Propor um método para gerar frames intermediários, a partir da transformação estimada
• Avaliar o método proposto

Plano de atividades

• Estudo, implementação e teste de detectores de keypoints e descritores de keypoints
• Estudo, implementação e teste de estimação de correspondência entre keypoints
• Estudo, implementação e teste de algoritmos para estimação de transformações geométricas
• Elaboração, implementação e teste de método para gerar os quadros intermediários
• Avaliação do método sobre diferentes tipos de desenhos
• Elaboração da monografia

Cronograma

Referências

1. Tinne Tuytelaars and Krystian Mikolajczyk. 2008. Local invariant feature detectors: a survey. Found. Trends. Comput. Graph. Vis. 3, 3 (July 2008), 177-280
2. Lowe, David G. (1999). "Object recognition from local scale-invariant features". Proceedings of the International Conference on Computer Vision. 2. pp. 1150–1157