浅析游戏动画中线条的作用外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

摘要：动画电影的自动内容分析可以使人们客观地理解人物 (演员) 的表述及其描述。它还可以帮助阐明无意识偏见及其影响的潜在标志。然而, 对电影内容的多媒体分析主要集中在活动功能上。这一领域缺乏多媒体研究, 是因为动画人物设计中的复杂性和异质性, 这是一个由单一方法或模型推广的极具挑战性的问题。本文针对动画电影中自动发现字符的问题, 提出了在这些媒体中自动进行字符标注的第一步。电影特定的符号化语言可以作为作为后续内容分析的一个强有力的第一步。我们提出了一个无人管理的方法, 不需要关于电影中的人物事先的信息。我们首先使用一个基于深度神经网络的对象检测器, 它经过自然图像训练, 识别出一组初始字符候选者。这些候选者被进一步修剪使用显著约束和视觉对象跟踪每部电影的符号化语言, 然后生成从样本收集这些候选人。我们可以在46动画电影的数据集中识别拟人化和 nonanthropomorphic 字符, 其组合和字符设计不同。结果表明, 与人工标注的地面真实度相比, 自动检测到的字符具有较高的精度和查全率, 证明了本方法的概括性。

关键词：动画电影, 深层神经网络, 对象跟踪, 显著, 无监督聚类, 视频分割。

介绍

电影内容的自动分析是多媒体研究界日益关注的问题。推动这项研究的因素之一是大量的电影制作和传播。 每年都要消耗。作为娱乐价值的一面，电影往往会产生某些社会和经济方面的影响。

研究人员用不同的目标和观点来分析电影的内容.这些努力通常是基于高效的索引和媒体内容的组织，以便于用户导航。 艾辛。它们包括用于电影分割的镜头边界检测[1]、[2]、视频摘要[3]和抽象[4]。[2]的研究建立了一个包含语境信息的生成模型。 以便将交织的镜头重新组织成多个情节线程。如[5]中的方法结合了视频摘要的各个方面，即谁、什么、何时、何地、何时进行语义摘要。 安定电影的内容和结构。[6]中提出的RoleNet从社会网络分析角度来研究电影内容，而不是使用音像。 模特儿。一般来说，电影内容是一个丰富的数据来源，其中包括音频、视频和文本(对话框)，使这种多模分析成为可能。

作为上述研究的补充，这些研究试图实现对电影的高层次理解，努力对视频内容进行细粒度(帧级或场景级统计)分析。 也一直在出现。其中一个应用是量化电影中角色在屏幕上出现的时间。[7]的研究审查了这些关于性别揭示偏斜的方面。 d女性角色在屏幕上的时间分布。为了从性别统计向字符级统计发展，人的识别或字符标记是一个非常重要的步骤。 p向这个方向。我们将这个问题称为自动视频分割--将视频流分割成参与者-同构段，即谁出现了，何时出现，持续了多长时间。字符标签 我们在电视和电影方面取得了一定的成就，在[8]-[12]中取得了一定的成功.这通常是通过对检测到的人脸进行聚类(例如，[8])或采用多模态方法(例如，[9]，[1]来实现的。 )在视频检测到的人脸旁边建立音频和字幕或脚本的模型。

重要的是要注意，所有这些研究都只关注真人电视，而不是泛化到动画媒体的内容。数字动画电影贡献了超过10%的盒式电影。 过去十年中，FFICE市场份额amp;bra;13amp;ket;。

在这个领域中，Multime-dia的研究极其稀少，并且为实时电视内容开发的技术对于动画内容来说是失败的。

人脸检测 这是角色标签的关键-ODS的真人行动电视。由于人脸可以唯一识别人类字符，所以这种方法的效果很好。但是，这些方法发展了f 或者人类的脸不起作用数字动画类型。动画人物，虽然大多是拟人化的(有人性的特点)并不总是像人一样的外观。它们可以是虚构的无生命的 设计中的目标或抽象(几个例子见图1)

动画媒体内容分析自动化的一个主要障碍是缺乏一种模型，该模型可以通过不同的构图和设计来概括不同的角色。这个任务是极端的。 y复杂，因为即使在一部电影中，所有的角色都可能不具有相同的结构特征(例如，同一部电影中的类人角色和非人类角色)-图1(A)和(B)。 电影“冰雪奇缘”中的。

在视频二次化的背景下，当屏幕上出现的字符通常是事先不知道的时候，关键的一步是提供一组字符列表，这些字符构成了t的出现组件。 他的系统。我们将每部电影的字符列表称为字符字典。自动发现这些字符词典是本文的主要目的。我们的O 总体目标是设计一个动画电影视频数字化模型。使用拟议的字符字典，动画角色标记可以通过诸如[14]这样的技术来实现。 检索给定感兴趣对象的帧和镜头。

在动画媒体的内容分析中，研究者们一直关注诸如剪裁检测[15]，基于颜色的视频分类[16]和电影抽象[17]，[18]等问题。一种方法支柱 OSED在[19]中使用皮肤分割技术从卡通图像中进行仿人人脸检测。动画角色的纹理、颜色和形状的变化(如il)。 在图1中，这些方法并不能很好地推广。据我们所知，至今还没有一项工作专门解决动画中人物的自动恢复问题。 以可伸缩的方式。与真人电影不同，动画电影是由完全由艺术家创作的.人物草图是由艺术家或动画师设计的。 从RRED到AS模型表，从这些模型中生成特定于字符的三维模型。基于草图的图像检索系统(如[20])可用于在模型单可用时实现视频的二次化。

然而，模型页是有版权的材料，并且大部分是由制作这部电影的动画工作室拥有的。如

图2.多框对象检测器选择的字符候选。指示检测对象的网络信任得分。

这样，它们就不是公开的，基于模型单的方法也不会对所有电影都具有可伸缩性。

1981年，弗兰克·托马斯和奥利·约翰斯顿发表了《生活幻觉》amp;bra;21amp;ket;；

它概括了一组12个基本的动画原理。

动画师一直在使用这个作为设计充电器的食谱 演员是为了让观众在仅仅是“动作”上加上“动画”。虽然这些原则大多有助于动画工作者增加语义或艺术价值(例如，预期、夸张)， 有几个可以在计算机视觉环境中被利用(例如，实心绘图：三维的画卷、立体和错觉；分期：独特的颜色、景深和在fr中的位置)。 以突出字符)。定义一个完整意义上的动画角色将涉及到从电影内容中勾勒出抽象的概念，比如生活(甚至是感觉)。在本文中，我们 仅从动画电影中分析视频流，并利用上述动画的一些原则作为代理来识别角色。

在开始，我们提出我们的问题作为对象检测任务，其中任何对象可以是一个可能的字符候选。相片电影框架与自然摄影图像相比，特别是 它们的深度相似性和画面中的人物呈现。此外，我们假设没有先验模型的形状，大小，颜色，或纹理为这些候选人在或 以便使所建议的系统推广。一些最先进的物体检测系统的主要例子包括经过鉴别训练的基于变形部件的模型(dpm，[22]，[23])和 深度神经网络(DNN)模型，如[24]-[26]，这两种模型都是在一组预先定义的对象类上进行监督和训练的。DPMS需要经过精心设计的obje部分分解模型。 CT使它不适合在一个单一的电影中的角色的异质性。相比之下，基于DNN的方法，例如（24）可以实时检测对象并且优于DPMs。特定的 在设计中具有显着性的dnn模型。

1. 对我们的问题陈述很感兴趣。尽管具有有限的对象类集的超级模型，但它们已被证明以与类无关的方式检测对象[26]，即检测类o。 不用于训练模型的对象。

总的来说，电影中只描绘了少数几个突出的角色。它们更有可能经常出现，以便观众更容易理解

电影。此外，在电影中，角色或感兴趣的对象往往停留在屏幕上长达几秒钟取决于情况。视觉对象跟踪可以用作效果。 在本地及时分割字符的方法。以前的一些工作已经使用跟踪作为一种手段来自动检测一类物体(例如行人，[27])。目标跟踪算法 由于物体变形、背景杂波、照明变化、遮挡和静止背景的缺乏,在电影视频环境中,S可能是易出错的。

然而，视觉跟踪C 通过考虑物体的微小变形或线性运动来考虑被检测物体的数目。此外，跟踪还提供了可用于进行跟踪的时间信息。 随后进行r-离散化。例如，在[11]中，在剖面面上可用的监督信息用于从电视连续剧中跟踪的面孔中学习正面脸的外观。合理的，合理的 动画角色的描述是，在银幕上出现时，突出的人物并不是短暂的，而且经常出现在电影中。在我们的方法中，我们使用字符的这一方面。 在电影中选择角色候选人。因此，字符词典仅由频繁出现的字符组成。

在本文中，我们提出了一种新的方法来自动发现动画电影中出现的人物。我们提出的方法是没有监督的，因为我们没有训练任何方面。 你的系统里有动画内容的数据。此外，我们不使用动画样式或动画字符的物理属性的特定知识，从而确保我们的 该系统可以对动画电影内容的全谱进行缩放和概括。

论文的其余部分如下：第二节描述了从一部动画电影中选择角色烛光日期的拟议系统。在第三节中，我们介绍了实验结果。 和建立一个评估数据库。第四节载有实验结果和第五节的建议，然后是结论和今后的工作。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22308]，资料为PDF文档或Word文档，PDF文档可免费转换为Word