भावनिक आवाज कठपुतळी
Author
Venue
IEEE VR 2023/TVCG
Abstract
या पेपरमध्ये भावनिक व्हॉइस पपेट्री सादर केली आहे, जी ऑडिओ-आधारित चेहऱ्याच्या अ‍ॅनिमेशनची पद्धत असून ती पात्रांमध्ये स्पष्ट भावनिक बदल दाखवते. ओठांची हालचाल आणि सभोवतालचे चेहऱ्याचे भाग ऑडिओच्या सामग्रीने नियंत्रित केले जातात, तर चेहऱ्याची गतिशीलता भावनांच्या वर्गावर आणि तीव्रतेवर आधारित असते. आमची पद्धत विशेष आहे कारण ती केवळ ज्यामितीय प्रक्रियांवर नव्हे तर संवेदी वैधता आणि भूमितीचा विचार करते. आमच्या पद्धतीचा आणखी एक ठळक गुण म्हणजे ती अनेक पात्रांवर सामान्यीकरणक्षम आहे. निष्कर्षांनी दाखवले की रिग पॅरामीटर्सना डोळे, भुवया, नाक, तोंड आणि स्वाक्षरी सुरकुत्या अशा श्रेणींमध्ये विभागून नवीन दुय्यम पात्रे प्रशिक्षित केल्यास संयुक्त प्रशिक्षणाच्या तुलनेत अधिक चांगले सामान्यीकरण परिणाम साध्य होतात. वापरकर्ता अभ्यासांनी आमच्या पद्धतीची गुणात्मक तसेच परिमाणात्मक परिणामकारकता सिद्ध केली आहे. आमची पद्धत AR/VR आणि 3DUI मध्ये, म्हणजेच आभासी वास्तवातील अवतार/स्व-अवतार, दूरसंचित बैठका आणि गेममधील संवाद यांसारख्या क्षेत्रांमध्ये लागू होऊ शकते.
