• 만화애니메이션 연구
• /
• 통권41호
• /
• pp.57-73
• /
• 2015

애니메이션에서 포즈는 타이밍, 스페이싱과 더불어 중요한 요소라고 말할 수 있다. 포즈는 애니메이션 동작의 스토리텔링이나 상황을 설명하는 중요한 역할을 한다. 애니메이팅 방식은 스트레이트 어헤드 (Straight ahead action) 와 포즈 투 포즈 (Pose to pose) 방식이 있고, 애니메이션 작업자들은 이 두 방식을 사용하거나 두 가지 방식을 혼용해서 사용하고 있다. 컴퓨터 애니메이션은 키 프레임 사이에 보간법을 이용해 포즈 사이에 인비트윈(inbetween) 동작들을 생성하도록 하고 있고, 컴퓨터 애니메이션 작업자들은 포즈 투 포즈 방식의 작업을 많이 쓰고 있다. 애니메이션에서 어떤 하나의 스토리나 상황을 표현하기 위해서 강력하고 좋은 포즈들을 만들어 내느냐 마느냐가 전체 애니메이션 동작의 질을 좌우한다고 볼 수 있다. 또한 이것은 관객들이 애니메이션을 잘 이해 할 수 있는지 없는지, 작업자에겐 능률적인 혹은 비효율적인 작업이 되게 하는 열쇠이다. 이 논문에서는 효과적이고 좋은 포즈를 잡아내는 데에 있어서 4가지 방법을 제시하고자 한다. 4가지의 포즈 선별 방법은 스트레치와 스쿼시의 포즈, 캐릭터의 발 혹은 사물의 높낮이 결정을 통한 포즈, 무게 중심을 고려한 포즈, 캐릭터의 경우 스텝을 밟을 때의 포즈들이다. 이 방법은 디즈니의 애니메이션의 12가지 법칙을 최대한 응용 했고 컴퓨터 애니메이션의 작업 방식에 특징을 고려한 방법이다.

• 방송공학회논문지
• /
• 제27권5호
• /
• pp.718-727
• /
• 2022

국내 웹툰 산업 매출액이 전년도 대비 약 65% 폭발적 성장을 하였고 향후 매출 규모가 1조원을 돌파할 것이라 예상을 하고 있다. 웹툰 제작 과정을 살펴보면 스토리와 콘티와 같이 창작을 필요로 하는 작업도 있지만, 스케치와 펜터치와 같은 단순 반복 작업도 있기 때문에 최근 주목받고 있는 딥러닝 기반 인간자세 추정방법을 사용하여 간소화 할 수 있다면, 웹툰 제작 과정을 효과적으로 개선할 수 있다. 따라서 본 연구는 인간자세 추정방법을 사용하여 인간의 동작을 스케치한 2차원 웹툰 캐릭터와 관절을 매칭 시켜서, 인간의 동작에 따라서 캐릭터의 동작을 생성시키는 방법을 제안한다. 이를 위해 생성한 2차원 캐릭터를 SVG 파일 형식인 벡터화된 그래픽 이미지로 생성시켜 인간자세의 관절을 나타내는 스켈레톤과 매칭을 시켰다. 실험결과를 통해 2차원 웹툰 캐릭터의 포즈가 웹 카메라의 사용자 자세와 동일한 동작을 생성시킬 수 있는 것을 확인할 수 있었다. 또한 저장한 정지 이미지에서 하나의 포즈를 선별하여 필요한 장면에 삽입할 수도 있고, 연속 동작에 대하여 비디오로 녹화하여 포즈 선별을 할 수 있다는 점도 확인하였다. 제안한 포즈 생성 방법은 기존의 포즈 투 포즈 방식 애니메이션 포즈 생성에 큰 기여를 할 수 있을 것으로 기대된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.156-157
• /
• 2022

본 논문에서는 선택적 시점에서의 2D 포즈 추정(pose estimation) 결과를 정합 하여 정확도 높은 3D 스켈레톤(skeleton)을 만들어 낸다. 여러 프레임의 3D 데이터를 10 도 간격으로 36 방향에서 투영한 뒤, 2D 포즈 추정 결과 신뢰도가 높은 시점에서의 결과만을 선별하여 3 차원으로 정합 한다. 이때 사용하는 시점의 개수를 달리하며 정확도에 미치는 영향을 분석하여 실험적으로 정확도가 높은 최소의 시점 개수를 정하였다. 또한, 정합 한 3D 뼈대를 모션 캡쳐(motion capture) 센서와 비교하여 제안하는 알고리즘에 의해 3D 포즈 추정의 정확도가 향상되는 것을 확인했다.

• 대한전자공학회논문지SP
• /
• 제49권4호
• /
• pp.77-84
• /
• 2012

얼굴인식 기술은 지능형 보안, 웹에서 콘텐츠 검색, 지능로봇의 시각부분, 머신인터페이스 등, 활용이 광범위 하다. 그러나 일반적으로 대상자의 표정과 포즈 변화, 주변의 조명 환경과 같은 문제가 있으며 이와 더불어 원거리에서 획득한 영상의 경우 저해상도를 비롯하여 블러와 잡음에 의한 영상의 열화 등의 여러 가지 어려움이 발생한다. 본 논문에서는 포톤 카운팅(Photon-counting) 선형판별법(Linear Discriminant Analysis)을 이용한 다중 분류기(Classifier)에 의한 판정을 융합하여 얼굴 영상 인식을 수행한다. Fisher 선형판별법은 집단 간 분산을 최대로 하고 집단 내 분산을 최소로 하는 공간으로 선형 투영하는 방법으로, 학습영상의 수가 적을 경우 특이행렬 문제가 발생하지만 포톤카운팅 선형 판별법은 이러한 문제가 없으므로 차원축소를 위한 전 처리 과정이 필요 없다. 본 논문의 다중 분류기는 포톤 카운팅 선형판별법의 유클리드 거리(Euclidean Distance) 또는 정규화된 상관(Normalized Correlation)을 적용하는 판정규칙에 따라 구성된다. 다중분류기의 판정의 융합은 각 분류기 cost의 정규화(Normalization), 유효화(Validation), 그리고 융합규칙(Fusion Rule)으로 구성된다. 각 분류기에서 도출된 cost는 같은 범위로 정규화된 후 유효화 과정에서 선별되고 Minimum, 또는 Average, 또는 Majority-voting의 융합규칙에 의하여 융합된다. 실험에서는 원거리에서 획득한 효과를 구현하기 위하여 고해상도 데이터베이스 영상을 인위적으로 Unfocusing과 Motion 블러를 이용하여 열화하여 테스트하였다. 실험 결과는 다중분류기 융합결과의 인식률은 단일분류기보다 높다는 것을 보여준다.