Ansiktsprestanda: 3 viktiga tips för datainsamlingsprotokoll

kvinna med ansiktsuttryck: glad, konstigt leende, ledsen mun, snett ansikte

När du utformar protokoll för ansiktsfångst finns det så många saker du måste tänka på för att förhindra dålig datakvalitet och trötta deltagare.

Faktorer som...

  •  vilka poser du väljer
  •  hur du sekvenserar poserna
  • hur du förklarar/visar poseringarna, etc.

...göra en enorm skillnad i hur dina sessioner kan bli.

När vi arbetar med stora spel- och teknikföretag för att förfina deras pipelines för ansiktsfångst är det ganska uppenbart att människor återanvänder liknande, daterade protokoll. Med tanke på det nuvarande syftet med många inspelningar är sådana gamla protokoll ofta klumpiga med ologiska poseringskombinationer, överflödiga uttryck och ineffektivt flöde.

Det finns en oändlig lista över vad man bör och inte bör göra när man utformar ansiktsigenkänning, men här är några allmänna tips:

1. Var medveten om användningsfall!

  • Definierar du träningsdata för maskininlärning för realtidsapplikationer? Samlar du in extrema poser för högintensiva slagsmålsscener i film eller spel? Fundera över ditt slutmål.
  • Om ditt syfte är att samla in ansiktsdata för en avatarprodukt som är inriktad på samarbete, vill du sannolikt prioritera prosociala, samarbetsvilliga och naturliga ansiktsuttryck. Sluta slösa tid, energi och produktionsbudget genom att fylla på din session med alla möjliga fula “scream”-poseringar eller hyperkomprimerade “lemon”-ansikten. Spara dem för Diablo och Apornas planet.

2. Design för logiskt flöde.

  • Gruppera liknande uttryck tillsammans, t.ex. ögonbrynsbaserade FACS-positioner (åtgärdsenheter som - inre ögonbrynshöjare, yttre ögonbrynshöjare, ögonbrynssänkare) och ögonbaserade FACS-positioner (åtgärdsenheter som - övre ögonlockshöjare, ögonlockstramare, kindhöjare, ögonstängning, blinkning, blinkning) tillsammans.

  • Gå från lätt till svårt inom varje avsnitt. Om du går från lätt till svårt i ALLA poser kommer du till slut att tvinga din användare att hoppa från ögon till mun till ögonbryn till käke.

  • Att gruppera uttryck på ett strategiskt sätt hjälper inte bara till att minska tröttheten och förståelsen hos användaren, utan ger dig också möjlighet att ordna dina poser på ett sätt som gör att du kan beskriva och bygga vidare på tidigare poser.

3. Se till att dina exempelbilder och beskrivningar matchar målposen och de avsedda blandningsformerna.

  • Alltför ofta ser jag uppmaningar som “höj ögonbrynen utan att spärra upp ögonen” - trots att skådespelaren i exempelbilden tydligt spärrar upp ögonen. En stor andel av användarna gör som de ser, inte som de hör eller läser. Så ge inte motstridiga instruktioner, och se till att du noggrant granskar exempelbilderna!

📝 Ytterligare ett tips: I videon kan du se hur jag uppmanar deltagarna att göra det som kallas "chin raiser" genom att säga "tryck upp underläppen". Det är lätt att fastna i att beskriva poser utifrån deras formella namn, men genom att använda mer lättillgängliga beskrivningar kan du öka sannolikheten för att din deltagare gör posen.

1 svar på ”Facial Performance: 3 Essential Tips for Data Capture Protocols”

Kommentarer är stängda.

Utformad för studior och team

Låt oss prata.

facetheFACS@melindaozel.com