手機3D動畫中基于導演知識庫的攝像機規劃①

段曉芳,蔣夢馨

(北京工業大學 信息學部,北京 100124)

1 引言

20世紀90年代,中科院陸汝鈐院士在國際上初次提出全過程計算機輔助自動生成動畫技術[1],嘗試將人工智能領域的理論應用到動畫的自動生成過程中.2008年中科院張松懋研究員創造性的提出將全過程計算機輔助動畫自動生成技術應用到手機短信中來,即手機短信3D動畫自動生成系統.該系統底層以圖形學技術為支撐,在上層應用人工智能技術結合電影藝術指導,將手機短信轉化為一段表達短信主題的簡短三維動畫,發送給接收方.現代通信技術3G、4G的發展更為此項目的實現提供了良好的網絡環境.作為傳達動畫主題的直接方式,攝像機運動規劃是手機3D動畫自動生成系統的重要環節之一.

虛擬攝像機運動規劃[2]需要在實現無障礙拍攝的前提下,引導觀看者的注意力,向觀看者呈現動畫的主要內容,是三維場景動畫不可缺少的一部分.虛擬攝像機的自動規劃涉及到虛擬現實、人工智能、人機交互以及攝影藝術等多個學術領域范圍[3],是動畫自動生成課題研究中的重點和難點.早在20世紀80年代就有相關研究人員對其進行了深入的研究和探索.歸納起來,現有的相關研究主要分為三種類別:(1)基于數值計算方法.早在1988年,Blinn[4]便提出了該方法,其可以精確地計算出攝像機的空間屬性取值,但無法解決虛擬空間內物體間的遮擋檢測問題;(2)交互式方法.在1992年,Phillips借助人機交互形式建立了可以部分實現自動設置攝像機屬性的系統“Jack”[5].系統首先自動生成一幅初始圖片,由用戶給出對該圖片的評價,并藉由系統所提供的相應指令輔助計算機修改或調整攝像機的空間屬性具體值.(3)基于約束滿足與最優化的方法[6].根據預定義的約束與目標函數求解計算攝像機的具體屬性值.在三維動畫中攝像機自動生成領域的研究,以陸汝鈐院士主導完成的“Swan”系統[1]為主,其基于語義網知識庫中的本體庫與規則庫分層推理模式的攝像機自動生成部分在攝像機自動生成方向的研究有指導性作用.

語義網是依據萬維網聯盟(W3C)的標準對萬維網的延伸,本體作為語義網信息組織的語義支撐,本身具有的豐富的表達能力不但能用來描述領域范圍的概念模型,同時也是對知識進行推理和驗證的基礎[7].本體被用作概念化的本質表示,賦予網絡上的信息以語義含義,以計算機可處理的形式定義相關領域范圍的術語和關系,并利用這些術語和關系構成該領域的規則集合,實現領域知識的共享和重用.本體應用的研究領域非常廣泛,包括知識管理、信息集成、智能信息檢索、數字圖書館、網絡教學、企業本體、機器翻譯等應用.國家“973”計劃、國家自然科學基金等項目中的信息集成、數字圖書館、信息檢索等應用型技術均以Ontology作為核心技術.國際上,2007年2月,由W3C的語義網教育及擴展工作組(Web Semantic Education and Outreach)支持的開放互聯數據(Linking Open Data)[8]社區項目成立.項目的目標是將開放數據集用RDF格式重新發布在互聯網上,并創建數據間的相互鏈接,是語義網中非常有名的社交應用[9].

手機3D動畫自動生成系統至今已經對攝像機規劃實現三個版本的改進:潘旭光首次提出在手機動畫系統中進行攝像機規劃[10],實現攝像機的自動生成與簡單目標拍攝方式.劉暢在其基礎上結合本體知識庫,實現鏡頭拍攝規劃與鏡頭組接規劃.許向輝在定量計算部分設計實現攝像機障礙物檢測與規避算法,并設計目標可見性判斷方法對障礙物進行二次檢測.但是總結系統原有的攝像機規劃,其中定性規劃只是基本鏡頭的簡單組合,未深入探索鏡頭組合之間的語義關聯問題,導致動畫的表現力有一定局限,無法做到正確的情節導向作用.并且鏡頭組合規則沒有被顯式刻畫出來,而是通過程序嵌入形式執行,方式不夠靈活,同時不利于知識的擴充.

本文借鑒陸汝鈐院士在“Swan”系統中提出的自上而下定性分層設計理念,結合語義網在知識共享和資源重用方面的優勢和學者們的廣泛研究和應用,在手機短信3D動畫自動生成系統中采用了基于語義網絡的本體這一技術來實現攝像機導演知識庫系統的構建.在閱讀總結攝影領域經典書籍文獻[11,12]后,將該領域成熟攝影手法概念運用到系統中生成攝影規則.在原攝像機規劃基礎上首次提出基于語義網絡技術構建攝像機導演知識庫系統,設計攝像機定性規劃高級攝影原語和原語鏡頭屬性兩層規則推導,實現開放式短信測試中攝像機拍攝方式的主題相關性,拍攝方式的多樣性和豐富性.同時基于導演知識庫的攝像機規劃也有利于攝影風格的變遷和攝影知識的擴充,提高知識的復用性.

本文首先概述課題的研究背景,其次詳細介紹了我們通過斯坦福大學開發的Protégé[13]系列3.4.4創建的攝像機導演知識庫中知識庫和規則庫的組織結構以及系統中攝像機定性規劃的具體實現和定量規劃大致流程,最后設計評估實驗分析實驗結果并總結結論.

2 攝像機導演知識庫

2.1 攝影領域知識總結

Arijon在《Grammar of the Film Language》中曾提到“一切語言都是某種既定的成規,一個被社會承認的,教會它的每一個成員來解釋的某些具有完整含義的符號.講故事的人或思想家應當首先學會這些符號以及組合規律”.電影作為一種視覺交流的媒介,其發展史是和電影語言表達現實的能力直接相關的.然而現實性是一種與時俱進的概念,是一種處于不斷發展的感性認識的形式[11].因此將電影工作者的創作思維過程理論化是一個需要持續研究課題.但我們可以總結出電影語法的基本元素以及電影工作者成熟的拍攝技巧.例如,場景概念可以由人物有無對話和動作進行定義[14],進一步又可以通過人物的群體數量區別;鏡頭定義是攝像機拍攝的連續圖像,可以有定鏡頭,推拉鏡頭,移鏡頭等;一個場景可能會由多個鏡頭組成等等.

本文歸納總結出電影語法的3個重要元素:

(1)拍攝距離

在動畫中,只要保證虛擬攝像機未進入拍攝目標模型空間內部,并且在其最近可視平面和最遠可視平面之間,則攝影機和拍攝對象間的距離是不受限制的[15].從真實世界的拍攝實踐中我們可分出5種有明顯區別的基本距離,分別是:特寫,近景,中景,全景和遠景.五個類別并沒有規定具體情況下的絕對距離.例如,分別拍攝一座房子和一個人物的近景,拍攝距離肯定是不同的.這些術語主要表達的是概念上的定義,有相當的伸縮性.如下圖1所示為攝影機拍攝人物時不同景別示例圖.

圖1 人物拍攝景別示例

(2)剪輯類型

每個場景都有三種基本的剪輯方法:1)一個主鏡頭記錄整個場景,該主鏡頭可以采取任意一種拍攝方式,例如定鏡頭,推鏡頭,拉鏡頭等;2)一個主鏡頭與其他短鏡頭交切,例如,可以定鏡頭和推鏡頭組合,作為副鏡頭的推鏡頭穿插在主鏡頭中,強調場景的關鍵情節;3)兩個或更多的主鏡頭平行地交織在一起,這種形式可以實現各主鏡頭視角交替拍攝.導演或攝影師在表現一個場景時,可以運用這三種方法中的一種或全部方法.

(3)場景的匹配

一個場景中的多個鏡頭需要做到位置、動作的匹配.電影播放是固定的平面,如果一個模型的全景展現在視角的左側,那么在切換至同一視軸的其他鏡頭時,人物必須仍在視角的同一側.否則,就會出現笨拙的視覺上的跳動,使觀眾厭倦分神.動作的匹配亦是如此,在記錄人物連貫動作的兩個鏡頭中,動作方向要一致,否則會導致觀眾混淆動作的運動方向,從而帶來錯誤的視覺效果.

陸汝鈐院士在《Automatic Generation of Computer Animation》中提出在“Swan”中類比軟件工程設計的5個階段將虛擬攝像機規劃分為5個層次[16],分別是:導演規劃需求分析(DPRS),攝像機語句規則(RCS),高級攝影原語聲明(HLCP),基本攝影原語定性(BCP),攝像機定量語句(QCP).本系統構架較“Swan”簡單,設計多層概念會帶來不必要的冗余.因此本文基于系統自身特點提出攝像機規劃的兩層結構,完善拍攝手法和拍攝鏡頭規則推導.

攝像機導演知識庫是手機短信3D動畫自動生成系統的重要組成部分,它的功能主要包括:1)把導演或攝影師等領域研究員總結出來的知識概念在知識庫中以本體庫和規則庫的形式顯示描述出來并進行存儲.2)根據動畫場景定性規劃模塊中主題、人物、動作表情的各自特性,在本體庫和規則庫中由推理機推理,得到應該對應采取的拍攝手法,包括該場景拍攝需要的鏡頭,鏡頭的拍攝目標,攝像機的位置,旋轉,景別屬性[14]等,并將這些信息以特定的形式輸出給動畫系統的下一個部分.

2.2 導演知識庫結構

將攝影領域知識體現在導演知識庫中,包括兩個部分:攝像機本體庫和導演知識規則庫,規則推理基于這兩個部分運行,得到攝像機定性規劃需要的信息.其中關于攝像機屬性和高級攝影原語等類(概念)和實例的信息體現在本體庫上,提煉總結的各種規則存儲在規則庫中.

2.2.1 攝像機本體庫

領域知識中的本體是指和知識內容相關的一組概念化的規范說明,描述了組成主題領域的詞匯表的基本術語及其關系,以及結合這些術語和關系來定義詞匯外延的規則[17].攝像機本體庫分為三大類,攝像機鏡頭,鏡頭屬性,攝像機攝影原語.

(1)攝像機鏡頭類

我們所構建的攝像機鏡頭領域本體camera_shot依據短信動畫時間短小精煉的特點,將基本鏡頭組合分為單鏡頭和多鏡頭兩類.單鏡頭下分為基本的定、推、拉、移、轉、跟等6大類.多鏡頭現主要指兩個鏡頭,后續系統會根據攝影領域專家對知識的總結歸納繼續擴展.多鏡頭下又細分動動、靜靜、動靜和靜動4種鏡頭運動組合方式.攝像機鏡頭類本體庫如圖2所示.

圖2 攝像機鏡頭本體庫

(2)攝像機屬性定義

組織攝像機空間拍攝數據屬性描述,以供知識庫規則推理的調用.鏡頭屬性類包括攝像機鏡頭旋轉方向Yaw,俯仰角度Pitch,景別類型Scale,鏡頭拍攝時長Time四大基本類型.旋轉方向又分左右前后四類,俯仰程度分俯視,平視,仰視三類,景別類型分近景,中景,遠景和全景.攝像機屬性本體庫如圖3所示.

圖3 攝像機屬性本體庫

(3)攝像機高級原語類

攝像機導演知識庫還包括系統整理的涉及攝像機拍攝手法的攝像機高級原語HLCP(High Level Camera Primitive)本體庫.根據短信動畫場景的特點,以場景中定性規劃的人物數目作為場景分類依據,所有的場景均可以分為四大類,分別是單人場景,兩人物對話場景,多人群體場景和人物無關場景,高級攝影原語的分類與其一一對應,分別是SingleModelSceneHLCP、TwoPeopleSceneHLCP、MultipleModelSceneHLCP、UnRelatedHLCP,各類下細分對應場景的原語,進一步定義各拍攝手法的鏡頭組合參數.附錄A給出攝像機高級原語類名和釋義.例如人物對話TwoPeopleSceneHLCP下分為外反拍、內反拍、直角拍攝、主觀拍攝、過肩拍攝五種手法.攝像機高級攝影原語知識立足于攝影理論從導演和攝影師角度總結提煉的實踐中拍攝技巧,可以將此基本單位應用到拍攝特定的環境場景和人物.例如,知識庫中的In_Contra和Out_Contra原語,經常用于拍攝兩人物面對面交流的對話場景;Right_Angle習慣應用在兩人物對話場景,但是不同點是,此時人物的相對方向為垂直.Parallel3被用來描述場景中多類權重相同的拍攝目標的場景類型;Coaxile3用來強調拍攝的漸進或是漸遠效果等.通過在系統中添加高級攝影原語類,可以將導演以及攝影師的拍攝技巧和手法應用到系統的攝像機拍攝中,強調拍攝的美學和合理性[18].攝像機高級原語本體庫結構如圖4及表1所示.

圖4 攝像機高級原語本體庫

表1 高級攝影原語類名和釋義

2.2.2 導演知識規則庫

導演知識規則庫是該版攝像機定性規劃的核心,是對真實導演和攝像師知識的總結與提煉,并運用結構化的模式進行存儲,為定性規劃的規則推導提供了理論基礎的支持.規則庫分為高級攝影原語規則和鏡頭屬性規則兩類.

(1)高級攝影原語規則庫

高級攝影原語規則主要負責推理定義各具體場景類型對應具體合適的拍攝手法,規則前件涵蓋手機3D動畫系統中的大部分動態生成場景類別.短信動畫情節定性規劃的主題、人物、人物交互動作、場景類型、模型、模型種類等信息作為導演知識庫的輸入,經高級攝影原語規則推理出適合該場景的拍攝手法的具體實例以及該實例包括的具體鏡頭和他屬性值.例如拍攝兩人物面對面的過肩手法原語,可以選擇一個定鏡頭或是定鏡頭和推鏡頭兩個來拍攝,同時保證畫面人物的過肩拍攝比例特性關系.過肩手法如表2所示.CameraSWRL_HLCP_OverShoulder規則前件中AddModelRelated屬性表明如果已知場景中添加x、y兩個模型,isTemplateObject屬性表明模型均為目標,Human說明模型為人物,且知識庫中存在過肩手法類實例,那么這條短信的各前提條件符合選用過肩手法拍攝,并且在規則后件中用HLCPTargets屬性聲明該HLCP的拍攝目標即為x,y.

(2)鏡頭屬性規則庫

鏡頭屬性規則為上述高級攝影原語層拍攝手法實現所需鏡頭的屬性具體描述.各類拍攝手法中的鏡頭有鏡頭旋轉方向、俯仰角度、鏡頭景別、鏡頭所占動畫時長定性比例、鏡頭拍攝目標共五種參數選擇,各參數值設置需適應具體短信的輸入.因此,鏡頭屬性規則庫的實現不拘泥于統一特定的拍攝規則,始終處于不斷修改與完善階段.系統中過肩手法高級攝影原語原語對應的鏡頭屬性設置規則如表3所示.例如,CameraSWRL_Shot_OverShoulder_1規則前件定義了該過肩手法實例包括一個定鏡頭(Fix),因為是單鏡頭拍攝整個場景,因此鏡頭的時長占據動畫全部(AllTime),景別選取最大景別遠景(EstablishScale),攝像機在人物正前方(ForwardYaw),俯仰方向為平視(ForeheadPitch)拍攝人物.

現知識庫中共有HLCP規則13條,鏡頭屬性規則具體方案27條.規則的種類和數量一直在隨著系統的運行和知識的積累不斷修改完善和擴展.

表2 高級攝影原語規則OverShoulder示例

表3 OverShoulder原語對應的鏡頭屬性規則

3 基于導演知識庫的攝像機規劃

3.1 定性規劃的實現

攝像機定性規劃方案中采取兩層規則推理.

第一層,經高級攝影原語層的規則推理,選擇合適拍攝手法;情節定性規劃后,動畫場景的主題、目標模型、模型種類、數量、動作、表情等參數需作為導演知識庫推理機的輸入,經高級攝影原語層的規則推理,得到符合規則的拍攝手法.因規則前件的覆蓋關系,可能會存在多條符合規則的手法,此處記錄知識庫中符合條件的所有拍攝手法,作為本次短信備選拍攝方案,全部遍歷完后,隨機選擇合適的一條拍攝手法規則執行.

第二層,選擇與上層拍攝手法對應的拍攝鏡頭組合;經上層的推理,已知此動畫場景需要使用的高級攝影原語,以及攝影原語內定義的鏡頭類別及拍攝目標,在鏡頭屬性規則庫中選擇出所有匹配已選定拍攝手法的所有規則,隨機選擇一條執行.

最后,知識庫規則推導完畢后,生成攝像機定性規劃數據,寫入總體定性規劃的ADL文檔,若在第一層中,沒有找到相應HLCP規則,則執行原版攝像機規劃方案.攝像機定性規劃數據格式規定了攝像機的拍攝目標,拍攝起始、結束幀,景別,俯仰角度,旋轉方向等屬性,例如圖5所示,表示在第1幀到第125幀,攝像機newCameraA采用外反拍手法,手法中Push鏡頭在左側(nearside)拍攝模型M_boy、M_bussinessman、M_Casualyouth集合,景別ShotType由全景(full)變為中景(medium).

圖5 攝像機定性輸出格式示例

以短信“出去轉轉,外面太冷了”為例,說明知識庫系統如何基于本體庫和規則庫運行推理.首先,經過系統的布局、交互動作、材質、燈光定性規劃后得到ADL信息如圖6所示.知識庫中此時也保存有該短信的定性規劃信息.已知該場景添加有M_boy、M_bussinessman、M_School_building04、M_car07四個模型,并且可以得知前兩個模型為情節規劃得出的目標模型,且這兩個模型為人物.最終我們得到需要作為拍攝目標的兩個人物模型,并且可以獲取兩個的模型ID.因為此時的條件,已經滿足表2中Over_Shoulder攝影原語規則的前件,因此選擇執行CameraSWRL_HLCP_OverShoulder.

圖6 短信“出去轉轉,外面太冷了”情節定性規劃輸出文檔

從表3中得出Over_Shoulder原語共有四種對應鏡頭屬性規劃規則,定性程序隨機選取一條規則CameraSWRL_Shot_OverShoulder_3執行,得到如圖7所示的攝像機定性規劃輸出.

圖7 短信“出去轉轉,外面太冷了”攝像機定性規劃文檔

3.2 定量規劃的實現

在生成的動畫場景中尋找虛擬攝像機運動路徑之前,首先需進行場景預處理對靜態的動畫場景進行建模.動畫場景中的模型主要有障礙物模型和地形模型,這些模型均利用Maya多邊形建模技術制作,其中障礙物由幾何體表示,地形由網面表示,它們的表現形式有很大差異.場景建模的目的就是對整個場景用一個標準方式描述,將障礙物、地形等全部信息統一表達.

在三維空間建模中,八叉樹數據結構是場景劃分中的常用方法,其用層次方式組織三維空間區域[19,20].近年來被廣泛應用于數據存儲、三維重建、虛擬現實、地理信息系統、圖像處理等領域中.八叉樹的根節點代表整個場景,其他每個節點表示立方體積中包含的空間,通常稱為體素[21].節點可遞歸細分為八個子節點,直到達到給定的最小體素大小,或是遞歸大于指定深度.最終生成的八叉樹中節點可分為三類:黑節點,它所對應的立方體全為模型所占據.灰節點,它對應的立方體部分地為模型所占據;白節點,它所對應的立方體中無模型內容.其中可遞歸劃分的為灰節點,黑節點和白節點作為八叉樹的葉子節點存在.本文在八叉樹節點中定義的各個分量分別保存對應體素的最小和最大空間坐標、節點所在層次、是否為灰節點、以及8個子節點數據集等信息.如圖8所示為空間的八叉樹遞歸劃分和對應生成的八叉樹示例.

圖8 空間八叉樹遞歸劃分和對應生成八叉樹[19]

本文采用八叉樹結構對場景進行預處理,把每個自由網格作為連接圖的節點,根據網格的鄰接關系構建連接圖用于路徑規劃.場景劃分算法執行時包括將八叉樹的單位結點分別標記障礙單元或自由單元,路徑規劃規定攝像機只能在相鄰自由單元中移動.首先通過八叉樹的空間節點與模型的AABB(Axis Align Bounding Box)包圍盒進行相交檢測,確定需要做進一步檢測的八叉樹障礙單元節點.對障礙單元節點再次劃分檢測,遞歸劃分節點到滿足設定條件(例如指定遞歸深度)從而確定所有的自由節點.之后將八叉樹面面相鄰的自由單元的中心點分別相連,構成連接圖的節點,計算出相鄰單元連線的長度作為路徑規劃連接圖的邊權值.我們選擇圖搜索中的路徑規劃IDA*算法,在此連接圖中找到一條路徑,使得路徑經過的邊的權值之和最小.最后對攝像機旋轉,俯仰角度等屬性進行優化處理.

4 實驗評估與結果分析

基于導演知識庫的攝像機定性規劃分層推理系統,最主要的目的是借助于導演知識庫構建的規則實例豐富和合理化攝像機的定性規劃,實現知識庫的重復利用.因此,本次實驗旨在測試導演知識庫中規則對開放短信的覆蓋率以及推理出的規則對應到具體短信的合理性和規則選擇的豐富性.

(1)測試規則覆蓋率方面的實驗數據選取系統在2017年九月至2017年十二月期間接收的成功渲染出動畫的所有短信.其中短信總數為298條,攝像機定性規劃結果如表4所示.

表4 開放式短信測試攝像機定性規劃結果

圖9 短信“剛買的東西就丟了,氣死我了”購物主題動畫截圖

由表4可得,未執行攝像機規劃的短信為103條,占所有測試集34.56%.同時表中給出未執行攝像機規劃的兩個主要原因:1)情節定性規劃時未向場景添加任何模型,因此該場景無動態添加表達短信的模型,僅需使用默認攝像機渲染;2)動畫場景為舞臺背景場景,因手機短信3D動畫自動生成系統中存在少量舞臺場景,該類場景對攝像機運動幅度限制較大,系統當前未對此類場景做攝像機動態規劃,暫時調用默認攝像機渲染.成功執行攝像機規劃的短信為195條,占所有測試集的65.44%.執行原版攝像機規劃102條,成功執行基于導演知識庫的攝像機規劃的短信為93條.實驗數據較多,在此以短信“剛買的東西就丟了,氣死我了”為例,說明成功執行基于導演知識庫的攝像機規劃時,定性規劃指定“Coaxile_3”攝影原語生成的動畫如圖9所示.系統服務器開啟時可正常訪問的系統首頁http://anim.bjut.edu.cn/3dsma/ReadMessage.html.

此次試驗表明開放性短信測試中基于導演知識庫的攝像機規劃占所有成功執行攝像機規劃短信數量的47.69%,說明現有導演知識庫規則已經有明顯的成功,但是該結果與預期效果仍有較大差距.分析其中原因主要是系統導演知識庫中規則覆蓋面不夠,未能匹配系統動態生成的所有動畫場景.因此建立完整全面的導演知識庫需要進一步的改進和擴展.

(2)將上述實驗(1)中所有成功執行新版攝像機規劃的93條短信數據,根據本文采取的場景中人物數目的分類依據先進行分類:單人場景18條,兩人物對話場景28條,多人群體場景38和人物無關場景9條,為每類場景隨機抽取5條短信,在情節定性規劃文檔輸出相同情況下,重復執行50次攝像機定性規劃.實驗數據如圖10所示.

圖中橫軸為知識庫中高級攝影原語實例,縱軸為對應原語的測試短信數量.分析表中數據可知,單人場景短信對高級攝影原語的選擇比較集中在識庫中預先定義的單人場景拍攝原語類Coaxile_3;雙人對話場景短信對應原語主要分布在知識庫中定義的雙人攝影原語類In_Contra、Out_Contra、Over_Shoulder;多人群體場景短信選擇的攝影原語的取值范圍比較廣泛,但知識庫中預先定義的多人群體場景拍攝原語Three_Parallel為主導;人物無關場景短信的拍攝原語均在知識庫中定義的人物無關原語分類

圖10 四類場景對應短信攝像機定性規劃實驗結果

圖10中橫軸為知識庫中高級攝影原語實例,縱軸為對應原語的測試短信數量.分析圖10中數據可知,單人場景短信對高級攝影原語的選擇比較集中在識庫中預先定義的單人場景拍攝原語類Coaxile_3;雙人對話場景短信對應原語主要分布在知識庫中定義的雙人攝影原語類In_Contra、Out_Contra、Over_Shoulder;多人群體場景短信選擇的攝影原語的取值范圍比較廣泛,但知識庫中預先定義的多人群體場景拍攝原語Three_Parallel為主導;人物無關場景短信的拍攝原語均在知識庫中定義的人物無關原語分類中選擇.

根據以上分析可知,測試短信動畫場景推導出的攝影原語與知識庫中按場景分類的攝影原語基本匹配,因此可以總結導演知識庫定性規劃兩層規則推導方式可以依據情節定性規劃的結果為短信選擇合適的高級攝影原語.

同一高級攝影原語可對應多種鏡頭屬性規則.鏡頭的景別分為4種、旋轉角度可取值4種、俯仰角度Pitch枚舉取值3種以及鏡頭占動畫時長比例屬性等,均可影響鏡頭的屬性規則.由此可知導演知識庫可在理論上實現短信動畫攝像機規劃的豐富性,如圖11所示,為同一高級攝影原語過肩拍攝Over_Sholder原語下因景別屬性不同帶來的視覺區別.但是在實踐中,系統仍需要不斷的完善和擴充高級攝影原語和鏡頭屬性規則.

圖11 過肩拍攝景別多樣性實例

5 結論

本文介紹了手機短信3D動畫自動生成系統中攝像機規劃的作用和意義,重點研究了基于導演知識庫的分層攝像機定性規劃.對于原版攝像機規劃中,隨機生成的規劃手法與場景主題聯系不夠緊密的缺陷,在總結攝影領域相關理論研究的基礎上,利用語義網絡技術建立攝像機導演知識庫,結合系統情節規劃結果和系統的攝影領域知識設計實現攝像機定性規劃的兩層規則推導.本文通過短信測試實驗論證,借助于引進構建的導演知識庫和規則庫,基本可以實現攝像機拍攝方式的多樣性和豐富性,提高對于情節主題的表達能力.本文攝像機導演定性規劃應用基于知識的方法,采用語義網本體和規則語言的方式形式化描述,規則推理結果比較準確,但領域知識覆蓋面非常有限.有限的規則與系統中日益增長的短信量對動畫豐富性所需求的“無限”的攝像機拍攝手法之間的矛盾進一步加深,因此對于知識庫的構建需要不斷的豐富,相關的規則仍需要繼續擴展.