Aplikasi Teknik Pembangkitan Animasi Ekspresi Wajah 3D Berbasis Teknologi Motion Capture Tahun ke-2 dari rencana 2 tahun

Sulistiyono, Arif and Widyasmoro, Agnes and Krisnawati, Lucia Dwi and Mahastama, Aditya Wikan (2018) Aplikasi Teknik Pembangkitan Animasi Ekspresi Wajah 3D Berbasis Teknologi Motion Capture Tahun ke-2 dari rencana 2 tahun. Project Report. Lembaga Penelitian ISI Yogyakarta, Yogyakarta.

	Text Bab I.pdf Download (898kB)
	Text Bab II-V.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text Bab VI.pdf Download (116kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (596kB) | Request a copy

Abstract

Pembuatan gerakan animasi wajah memerlukan penyesuaian gerakan alami dan detail untuk membuat ekspresi wajah menjadi menarik dan lebih realistik. Teknologi motion capture merupakan alternatif perancangan teknologi tepat guna yang sampai saat ini masih terus dikembangkan berdasarkan kasus yang dihadapi. Pada penelitian ini akan dilakukan evaluasi performa sintesis ekspresi wajah manusia yang ditangkap dengan teknologi motion capture ke model 3D dengan mengacu pada teori Facial Action Coding System. Hasil evaluasi pada enam ekspresi dasar yang digunakan pada tahap pengujian, yaitu: sedih, senang, marah, takut, jijik dan terkejut, hasil retargeting RBF dapat memetakan ulang titik fitur pada wajah model 3D sesuai dengan pergerakan titik marker pada citra wajah 2D yang menjadi wajah sumber animasi. Berdasarkan perubahan yang terjadi ternyata sesuai dengan persyaratan minimal pada perubahan FACS, sehingga ekspresi yang terbentuk sesuai dengan ekspresi realistik menurut FACS dan sistem ini dapat diterapkan menjadi sebuah inovasi teknologi tepat guna di sektor industri animasi Indonesia. Presentase hasil kuisioner persepsi visual penonton yang didapatkan secara umum tentang implementasi sintesis ekspresi wajah ke model 3D menunjukkan secara nyata bahwa visualisasi ekspresi wajah walaupun telah memenuhi syarat teoritis, ternyata pada implementasinya tidak selalu mampu menggambarkan sempurna kondisi yang diinginkan, yaitu rerata persentase ekspresi wajah mudah dikenali sebesar 80,13%. Ekspresi terkejut memiliki persentasi paling tinggi mudah dikenali, yaitu: 89,32%. Ekspresi senang: 84,63 %, ekspresi sedih: 77,32%, ekspresi marah: 76,64%, ekspresi jijik: 76,45%, serta ekspresi takut: 76,44%. Oleh karena itu pengaruh animator dalam kendali perbaikan ekspresi secara mikro ataupun penambahan unsur prinsip exaggeration di pembuatan animasi ekspresi wajah sangatpenting untuk menghasilkan ekspresi wajah yang mudah dikenali oleh penonton.

Actions (login required)

View Item