慶祝人類表情編碼逾40年

在SIGGRAPH 2019“ FACS at 40”期間，來自計算機圖形學不同領域的四位面部動作編碼系統（FACS）專家討論了該系統及其自1978年作為研究項目以來的進展。由Mike Seymour（悉尼大學，fxguide）主持，小組成員包括Erika Rosenberg（斯坦福大學，Erika Rosenberg Consulting），Mark Sagar（Soul Machines），J.P。Lewis（Google AI）和VladimirMastilović（3Lateral）。每個人在日常工作中都分享了他們在FACS方面的經驗。繼續閱讀我們對本次必修課程的回顧。

FACS的起源
慶祝FACS已有40多年的歷史了，它最初並不打算用於當今的主要用途之壹-動畫-但是對於幫助創作者理解動畫並使之更加逼真至關重要。與FACS聯合創始人Paul Ekman壹起工作的Rosenberg解釋說，FACS是為檢測面部動作和感覺人的面部表情而開發的。基於解剖學原理，FACS編碼的是肌肉運動的可觀察效果，而不是肌肉本身，並由行動單位（AUs）進行編碼，Rosenberg將其定義為基礎肌肉群獨特，可觀察的動作的相應作用，或者在表面上可以看到什麽。將面部表情標記為AU對使用FACS至關重要。羅森伯格說：“我們在FACS中不使用’微笑’之類的詞。

FACS與動畫之間的關系
盡管FACS不是為動畫而創建的，但它為創作者提供了增強角色和故事的機會。根據Rosenberg的說法，FACS是標準化，客觀，解剖和全面的。使用FACS時，創作者正在尋找面部的基本信息並直接測量肌肉活動，然後使用該活動來驅動動畫角色。 Sagar已將FACS用於諸如《金剛》和《阿凡達》之類的主要電影。在《金剛》裏，FACS的使用非常詳細，因此，不說話、動畫、動物角色可以表現出微妙的，類似於人的表情。

同樣，Sagar和Soul Machines通過使它們變得更人性化來構建未來人類與智能機交互的基礎，Baby X（觀眾在2015年看到的SIGGRAPH Real-Time Live！）正是在那裏發揮作用的。 Baby X（壹種虛擬的AI嬰兒模擬）不是動畫。它可以立即看到，聽到和做出反應，就好像它是壹個生物壹樣，因為通過給這個模擬嬰兒壹個“大腦”，它變得栩栩如生。

當被問及FACS是否最適合動畫時，與會嘉賓指出，他們認為這是對角色進行動畫處理的壹種非常合適的方法，並且同意將其視為歸壹化變量。樂觀的壹面是，羅森伯格表示，埃克曼似乎被FACS的動畫應用“逗樂”。

FACS事實
在討論中，與會嘉賓討論了有關FACS的幾個興趣點。首先，FACS在各個人群之間有著共同的基礎：例如，歡樂和悲傷是壹種普遍理解的情感，這種理解使系統的用戶能夠通過計算機圖形學將情感運用到全球範圍內的電影和遊戲中。

其次，小組討論者思考模型的自願性，自發性肌肉運動與肌肉收縮在這些類型的運動之間的區別之間的區別。當創作者尋求模型的真實反應時，這可能是壹個挑戰。但是，自發表達是它自己的反應類型，在編碼時會很有用。

庫列肖夫效應（Kuleshov effect）是壹種現象，它描述了觀看者在屏幕上觀看某人的方式，從而建立了角色感覺的心理模型，並將其投射到主題上，這也是討論的重點。這種效果與FACS相關，因為如果故事足夠有說服力，則不壹定總是在電影中表現出明顯的情感。與誇張的情緒反應相反，簡單的微笑或皺眉可能足以對觀看者產生影響。

主持人Mark Sagar的照片 作者Dina Douglass©2019 ACM SIGGRAPH

FACS的未來
目前和未來的FACS（例如Sagar團隊的智能機器）的發展就是未來。 Mastilović指出，基於學習和AI的先進技術使人們能夠與栩栩如生的數字人進行實時交互，他還建議通過光度測量改進FACS將提供人體的更多細節，包括皮膚狀態和更好的理解血流。

當被問及他們認為FACS的發展方向時，Rosenberg提供了她的心理學家觀點，並指出她希望看到FACS帶來更多的完整性。她最大的擔憂是創作者使用的是基於不完美測量的較差算法。關於為FACS尋找更通用的模型以結合計算機圖形學和心理學領域的話題，Sagar，Lewis和Mastilović都提出了使用機器學習的可能性，這種強大的選擇可以產生令人難以置信的結果並理解復雜的事物。這些討論提出了壹個問題：再過40年，FACS會在哪裏？

FACS是壹種所有人都可以感覺和理解的通用語言，但並非每個人都受過編碼的培訓。它不限制計算機圖形和動畫。但是，在使用FACS時會遇到限制，例如培訓不足和缺乏質量控制。仍然有小組成員得出結論，在計算機圖形學和交互式技術中使用FACS可以使電影，遊戲和其他領域的影響力比以往任何時候都大。

來源：Siggraph
編輯：Sophia