Het is vaak gemakkelijk voor te stellen dat ballonnen opstijgen of vlinders die over een stilstaand beeld fladderen, maar het realiseren van deze visie door middel van computeranimatie is makkelijker gezegd dan gedaan. Nutsvoorzieningen, een team van onderzoekers heeft een nieuwe tool ontwikkeld die het animeren van dergelijke afbeeldingen veel eenvoudiger maakt.

De tool is ontworpen om vergelijkbare elementen in een afbeelding te animeren, zoals ballonnen of regendruppels, zei Nora Willett, een afgestudeerde student in de afdeling Computerwetenschappen van Princeton en de hoofdauteur van een paper waarin het onderzoek wordt gepresenteerd. Om dit te doen, de gebruiker selecteert handmatig een subset van de herhalende objecten, tekent vervolgens bewegingslijnen en specificeert de frequentie en snelheid waarmee de objecten moeten bewegen. Het algoritme van de tool extraheert vergelijkbare objecten in de afbeelding en scheidt ze in hun eigen laag voor animatie.

"De grootste uitdaging in dit systeem was om een ​​interface te ontwerpen waarmee de persoon en de computer kunnen samenwerken om een ​​plausibele animatie te maken, " zei co-auteur Adam Finkelstein, een Princeton-professor in de informatica. "De persoon geeft aanwijzingen over welke aspecten van de scène ze zouden willen animeren, en de computer neemt veel van de moeilijkheid en verveling weg die nodig zou zijn om de animatie volledig met de hand te maken."

De nieuwe tool bouwt voort op de bestaande mogelijkheden van de Autodesk SketchBook Motion animatie-app. Om een ​​stilstaand beeld te animeren met de momenteel beschikbare versie van de app, een gebruiker moet de afbeelding ofwel helemaal opnieuw maken, of werk met een bestaande afbeelding en gebruik een programma zoals Adobe Photoshop om verschillende objecten te selecteren en ze in lagen te scheiden voordat de animatie wordt gegenereerd.

Het ontwikkelen van een algoritme dat met succes herhalende objecten kon identificeren, was verrassend moeilijk, zei Willett. Hoewel methoden voor machinaal leren dit op betrouwbare wijze kunnen doen met foto's, computers trainen om elementen van tekeningen of schilderijen te herkennen is minder eenvoudig. "Er is zo'n breed scala aan tekenstijlen, en mensen kunnen zulke fantastische dingen maken, dat er gewoon niet genoeg gegevens zijn om een ​​machine te trainen om elke fantastische tekening te herkennen, " ze zei.

Om de gebruikersinterface te verbeteren, de onderzoekers werkten met zes gebruikers die verschillende ervaringsniveaus met digitale animatie vertegenwoordigden. Twee gebruikers kozen ervoor om hun eigen kunstwerken te animeren:één creëerde een langzaam zwaaiend licht in een foto, terwijl een ander een ring van avocadostukjes die rond ander voedsel in een tekening cirkelden, animeerde.

Willett's andere projecten bij Princeton waren gericht op het creëren van methoden om live-animatie van personages te verbeteren door secundaire beweging toe te voegen, zoals bewegingen van haar of kleding; en snel delen van een live geanimeerd personage verwisselen om handgebaren of accessoires te veranderen. Ze besprak haar achtergrond en demonstreerde deze methoden tijdens een Facebook Live-evenement in 2017 voor Princeton Engineering.

Willett presenteerde de resultaten van het team op 16 oktober op het Symposium van de Association for Computing Machinery over gebruikersinterfacesoftware en -technologie. Ze begon aan de tool te werken tijdens een stage bij Autodesk Research in Toronto. Naast Finkelstein, andere co-auteurs waren Rubaiat Kazi, Michael Chen en George Fitzmaurice van Autodesk Research; en Tovi Grossman van Autodesk Research en de Universiteit van Toronto.