MARC

 008250123s2024        us                              c    eng  d
■001000017163739
■00520250211152747
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798342115414
■035    ▼a(MiAaPQ)AAI31520309
■035    ▼a(MiAaPQ)Stanfordqf826cc9513
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a777.6
■1001  ▼aZhu,  Yilin.
■24510▼aDemocratizing  the  Creation  of  Animatable  Facial  Avatars
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a97  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-04,  Section:  A.
■500    ▼aIncludes  supplementary  digital  materials.
■500    ▼aAdvisor:  Fedkiw,  Ron.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aIn  high-end  visual  effects  pipelines,  a  customized  and  expensive  light  stage  system  is  typically  used  to  scan  an  actor  in  order  to  acquire  both  geometry  and  texture  for  various  expressions.  Aiming  towards  democratization,  we  propose  a  novel  pipeline  for  obtaining  geometry  and  texture  as  well  as  enough  expression  information  to  build  a  customized  person-specific  animation  rig  without  using  a  light  stage  or  any  other  high-end  hardware  or  manual  cleanup.  A  key  novel  idea  consists  of  warping  real-world  images  to  align  with  the  geometry  of  a  template  avatar  and  subsequently  projecting  the  warped  image  into  the  template  avatar's  texture;  importantly,  this  allows  us  to  leverage  baked-in  real-world  lighting/texture  information  in  order  to  create  surrogate  facial  features  and  bridge  the  domain  gap  for  the  sake  of  geometry  reconstruction.  Not  only  can  our  method  be  used  to  obtain  a  neutral  expression  geometry  and  de-lit  texture,  but  it  can  also  be  used  to  improve  avatars  after  they  have  been  imported  into  an  animation  system  (noting  that  such  imports  tend  to  be  lossy,  while  also  hallucinating  various  features).  Since  a  default  animation  rig  will  contain  template  expressions  that  do  not  correctly  correspond  to  those  of  a  particular  individual,  we  use  a  Simon  Says  approach  to  capture  various  expressions  and  build  a  person-specific  animation  rig  that  moves  like  they  do.  Our  aforementioned  warping/projection  method  has  high  enough  efficacy  to  reconstruct  geometry  corresponding  to  each  expressions.
■590    ▼aSchool  code:  0212.
■650  4▼aSpecial  effects
■650  4▼aHair
■650  4▼aSoftware
■650  4▼aDemocratization
■650  4▼aLighting
■650  4▼aNeural  networks
■650  4▼aWebcams
■650  4▼aMouth
■650  4▼aAnimation
■650  4▼aGeometry
■650  4▼aVirtual  reality
■650  4▼aFilm  studies
■650  4▼aInformation  technology
■690    ▼a0800
■690    ▼a0900
■690    ▼a0489
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-04A.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163739▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books