Matahari Bhakti Nendya1, Samuel Gandang Gunanto2
1 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember Surabaya 2 Jurusan Televisi, Fakultas Seni Media Rekam, Institut Seni Indonesia Yogyakarta
1 [email protected], 2 [email protected]
Abstrak
Animasi wajah merupakan aspek penting di lingkungan virtual 3D yang menghadirkan keberadaan karakter, baik manusia maupun yang menyerupainya. Animasi wajah biasa digunakan pada game, perangkat lunak interaktif, dan film. Problematika muncul saat proses penggandaan animasi dari satu model ke model yang lainnya dikarenakan kompleksitas proses pembentukan animasi ekspresi wajah. Pendekatan feature- point cluster memungkinkan terjadinya proses penggandaan animasi ekspresi wajah yang berdasarkan cluster
area gerak wajah. Metode yang digunakan dengan membagi wajah dalam beberapa area cluster gerak dan melakukan transfer animasi dari data facial motion capture menggunakan metode retargeting. Proses penggandaan animasi ini memberikan hasil berupa pergerakan animasi yang sesuai tanpa perlu adanya bantuan percakapan atau dialog.
Kata kunci : animasi ekspresi wajah, feature-point cluster, facial motion capture, avatar.
1. Pendahuluan
Animasi wajah merupakan aspek penting di lingkungan virtual 3D yang menghadirkan keberadaan karakter, baik manusia maupun yang menyerupainya. Animasi wajah biasa digunakan pada game, perangkat lunak interaktif, dan film. Menurut Parke (1972) untuk menghasilkan animasi wajah diperlukan waktu yang lama bagi seorang animator dikarenakan kompleksitas ekspresi wajah manusia yang merupakan bagian penting dalam pergerakan secara alamiah. Penelitian mengenai animasi wajah banyak dilakukan, terutama pada dua aspek penting yaitu: proses rigging wajah dan pemindahan ekspresi antar dua buah karakter 3D atau antar manusia ke karakter 3D.
Orvaldo, Zacur, & Susin, (2006) menyatakan bahwa proses animasi wajah secara tradisional bergantung pada animator untuk membentuk serangkaian gerakan dalam pembentukan ekspresi wajah. Permasalahan yang sering muncul ketika penggunaan kerangka gerakan wajah yang sama dalam model yang berbeda akan menghabiskan waktu bagi para animator.
Penelitian ini mengusulkan adanya metode animasi wajah dengan menggunakan pendekatan
feature-cluster point. Proses defromasi mesh
dengan mempertimbangkan feature-cluster point
diharapkan dapat memberikan hasil model avatar yang mampu melakukan visualisasi ekspresi tanpa perlu adanya percakapan atau dialog.
2. Animasi Wajah 3 Dimensi Berbasis Komputer
Hjortsjo (1970) mengembangkan Mimic Language yang merupakan pemetan ekspresi wajah berdasarkan aktivitas otot wajah yang diamati dari berbagai perbedaan ekspresi wajah aktor. Sementara itu Ekman & Friesen (1978) mengembangkan metode Facial Action Coding System (FACS) yang berdasarkan metode mimic language dengan membagi area wajah menjadi 66
Action Unit (AU) yang mampu merekonstruksi wajah dengan beraneka ragam ekspresi.. FACS banyak digunakan oleh animator sebagai panduan penyusunan ekspresi wajah dengan memanfaatkan sistem pengendali ekspresi.
Proses kontrol kendali digunakan sebagai acuan dalam proses pembentukan animasi. Proses ini berdasarkan nilai kendali dari setiap parameter dan tingkat keakurautannya berbanding lurus dengan proses pembantukan animasi wajah.
2.1 Facial Motion Capture Data
Produksi animasi yang berkualitas banyak menggunakan data tangkap gerak atau motion
B-87
capture 3D data. Data motion capture sangat sukses digunakan di beberapa film animasi. Atau kata lain, data motion capture didapat dan dibersihkan berdasarkan animasinya. Sebuah array dari data tangkapan kamera berkualitas baik digunakan untuk membangun lokasi penanda 3D di area wajah.
Data dari facial motion capture memberikan ketepatan waktu dan informasi gerak. Choe, Lee, & Ko (2001) menyatakan bahwa sekali data siap, animasi wajah dapat dibuat dengan mengolah struktur sedangkan Deng, Chiang, Fox, & Neumann (2006) menggunakan pendekatan otot atau
blendshapes.
2.2 Facial Animation Editing
Teknik pengeditan gerak wajah biasanya berbasis Independent Component Analysis (ICA) dan mengaplikasikannya kedalam data motion capture wajah ekpresif serta menerjemahkan komponen ICA sebagai ekspresi dan komponen yang berelasi dengan speech. Chang dan Jenkins (2006) mengusulkan penelitian yang menyajikan antarmuka sketsa 2D untuk mendapatkan pose wajah 3D. Hal ini memungkinkan pengguna untuk menggambarkan goresan 2D di ruang wajah 2D yang digunakan untuk mencari pose optimal dari wajah.
Teknik geometry-driven menghasilkan detail ekspresi pada citra wajah 2D dengan membangun representasi wajah hirarki berbasis PCA dari beberapa pelatihan citra wajah 2D. Ketika pengguna memindahkan satu atau beberapa titik di citra wajah 2D, pergerakan titik kendali wajah lainnya secara otomatis dihitung menggunakan sebuah algoritma propagation gerak. Joshi et al (2003) menggunakan perangkat interaktif untuk mengedit geometri wajah 3D dengan kendali pembelajaran melalui segmentasi physically- motivated face di representasi blendshape.
2.3 Facial Animation Transferring
Proses perpindahan gerak wajah dari model sumber ke model target dapat secara signifikan menghemat waktu. Gerak wajah sumber dapat mempunyai beragam format, termasuk video wajah 2D, data motion capture wajah 3D, dan meshes wajah yang dianimasikan, sementara itu model target adalah mesh wajah 3D atau model wajah
blendshape. Berdasarkan hal itu, animasi wajah dengan performance-driven dapat digunakan untuk memindahkan gerak wajah dari sumber video wajah 2D ke model wajah 3D.
Transfer gerak wajah antara dua mesh wajah 3D dapat dilakukan melalui deformasi geometri. Noh dan Neumman (2001) mencoba teknik kloning ekspresi untuk proses transfer perubahan posisi vertek dari satu buah sumber model wajah 3D ke
target model wajah 3D yang dimungkinkan mempunyai perbedaan proporsional geometri dan struktur mesh. Ide dasarnya adalah untuk membangun pemetaan gerak vertek antar model melalui perubahan radial basis function (RBF). Sumner dan Popovic (2004) mencoba kerangka kerja umum yang secara otomatis memindahkan perubahan geometri antara dua mesh segitiga. Hal ini dapat secara langsung mengaplikasikan target ulang gerak wajah dari satu sumber mesh wajah ke mesh wajah target. Noh & Neumann (2001) menyatakan bahwa kedua pendekatan itu membutuhkan beberapa titik inisialisasi wajah yang secara heuristik berhubungan..
Vlasic et al. (2005) mengusulkan kerangka kerja untuk melakukan transfer gerak wajah di video ke wajah 2D atau 3D dengan pembelajaran statistik model multilinier dari data mesh wajah 3D hasil pemindaian. Pembelajaran model multilinier dikendalikan melalui parameter atribut seperti identitas dan ekspresi. Transfer gerak wajah dari satu model ke model lainnya dapat dilakukan jika merubah salah satu parameter atribut, seperti identitas, sementara dijaga agar atribut lain tetap. Kedua pendekatan tersebut menginterpretasikan ekspresi sebagai proses yang dinamis.
2.4 Transfer Animasi Dengan Metode
Retargetting
Menurut Chai, Xiao, & Hodgins, (2003) teknik retargeting mengusung ide penggunaan ulang animasi karakter yang serupa, sehingga dapat memperingan kerja animator. Teknik ini disajikan dengan menarik dan menggunakan data gerakan 2D berbasis visual berkualitas rendah untuk menganimasikan wajah dengan data perhitungan 3D motion capture wajah berkualitas baik. Noh & Neumann (2001) menggunakan teori Radial Basis Functions (RBF) yang dikemukanan oleh Powell (1987) untuk mengadaptasi vektor gerak sebuah
mesh ke yang lainnya.
Dutreve, Meyer, & Bouakaz, (2008) menyatakan bahwa metode transformasi sebuah animasi yang diperoleh dari animasi wajah 3D atau rekaman video 2D berbasis titik fitur dan teknik
retargeting. Sebagai ilustrasi proses yang menjadi acuan dapat dilihat pada