Emotion Intensity Matters: Generating Realistic Expressions in Virtual Humans with CVAEs
تقترح هذه الورقة البحثية نموذج مشفر تلقائي تبايني شرطي (CVAE) تم تدريبه على مجموعة بيانات صغيرة من تعبيرات الوجه البشرية الحقيقية لتوليد رسوم متحركة لبشر افتراضيين واقعيين وقابلين للتحكم، تحافظ على الاتساق الدلالي وتعكس بدقة شدة المشاعر المتفاوتة دون الحاجة إلى تدخل يدوي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم رسوميات الحاسوب، يعد إنشاء شخصية تبدو حية حقاً واحداً من أصعب المهام التي قد يواجهها الفنان. فبينما تمكنا لفترة طويلة من بناء بشر افتراضيين يبدون واقعيين، فإن جعلهم يشعرون بأنهم حقيقيون يتطلب ما هو أكثر من مجرد وجه جيد؛ إنه يتطلب لغة العواطف المتغيرة والرهيفة. لعقود من الزمن، اعتمد المحركون على طريقة تسمى "التحريك القائم على الأداء"، حيث تلتقط الكاميرات وجه ممثل حقيقي وتقوم بخرائط تلك الحركات على شخصية رقمية. هذا الأسلوب يعمل بشكل جيد، لكنه يتطلب مؤدياً بشرياً لكل تعبير واحد، ويحد من القدرة على ابتكار تنويعات دون البدء من جديد. ويسعى نهج جديد إلى تعليم الحواسيب فهم قواعد العاطفة البشرية حتى تتمكن من ابتكار تعبيرات جديدة من تلقاء نفسها، دون الحاجة إلى ممثل أمام الكاميرا. كان التحدي يكمن في أن العواطف ليست ثابتة؛ فهي تتغير في قوتها، من لمحة خفيفة من الحزن إلى موجة عارمة من الأسى. وتكافح معظم نماذج الكمبيوتر لالتقاط هذا التباين، وغالباً ما تنتج وجوهاً تبدو ناعمة للغاية أو عامة، وتفتقر إلى الحدة المحددة التي تجعل الشعور قابلاً للتصديق.
قام باحثون في الجامعة الكاثوليكية البونيفيكية في ريو غراندي دو سول بالبرازيل بتطوير طريقة جديدة لحل هذه المشكلة، تهدف إلى تعليم الكمبيوتر توليد تعبيرات عاطفية واقعية بمستويات متفاوتة من الكثافة. لقد ركزوا على ست عواطف بشرية أساسية: السعادة، الغضب، الخوف، الحزن، الاشمئزاز، والمفاجأة. وبدلاً من مطالبة الكمبيوتر بمجرد نسخ فيديو، قاموا بتدريب نظام لتعلم البنية الأساسية لهذه المشاعر من مجموعة من الأداءات البشرية الحقيقية. جمع الفريق لقطات فيديو لستة عشر شخصاً مختلفاً، ثمانية رجال وثماني نساء، يؤدون هذه العواطف الست بمستويين متميزين من القوة: منخفض وعالٍ. ومن خلال هذه اللقطات، استخرجوا القيم الرقمية المحددة التي تتحكم في حركة الوجه الافتراضي، مثل مدى ارتفاع الحاجب أو اتساع الفم. نتج عن ذلك مجموعة بيانات تضم 7,680 لحظة محددة لتعبيرات الوجه، وهو عدد صغير نسبياً لمثل هذه المهمة المعقدة، والتي استخدمها الباحثون لتعليم نموذجهم.
جوهر طريقتهم هو نوع من الذكاء الاصطناعي يسمى "المشفّر التلقائي المتغير الشرطي" (Conditional Variational Autoencoder). بعبارات بسيطة، يعمل هذا النظام مثل طالب يدرس مجموعة من الأمثلة ثم يتعلم رسم صور جديدة بناءً على وصف. تم إعطاء الكمبيوتر البيانات الوجهية مع تسميات توضح أي عاطفة يتم إظهارها، ومدى شدتها، وما إذا كان الشخص ذكراً أم أنثى. تعلم النظام ضغط هذه المعلومات في تمثيل داخلي مدمج، مما أدى أساساً إلى إنشاء خريطة ذهنية لما يبدو عليه كل شعور بمختلف درجات قوته. وعندما يُطلب منه توليد تعبير جديد، يمكن إخبار الكمبيوتر بإنشاء "وجه سعيد عالي الكثافة لامرأة" أو "وجه حزين منخفض الكثافة لرجل"، وسيقوم بإنتاج مجموعة جديدة من حركات الوجه التي تطابق تلك التعليمات. وجد الباحثون أن النظام يمكنه بنجاح إنشاء تنويعات عاطفية متماسكة، لكن النتائج الأولية كانت تشوبها ثغرة شائعة في هذا النوع من التكنولوجيا: كانت التعبيرات ناعمة للغاية. مال الكمبيوتر إلى تسوية التفاصيل، مما جعل الوجوه تبدو هادئة وباهتة قليلاً، مفتقدة إلى ذروة الحدة التي تميز العاطفة البشرية الحقيقية.
ولإصلاح تأثير التنعيم هذا، أضاف الفريق خطوة ثانية إلى عمليتهم، تعمل كطبقة صقل. قاموا بحساب الفرق بين التعبيرات البشرية الحقيقية التي بدأوا بها والنسخ الباهتة قليلاً التي أنتجها نموذج الكمبيوتر الأول. ثم قاموا بتدريب نظام ثانٍ متخصص لتعلم نمط هذه الاختلافات. عمل هذا النظام الثاني كأداة تصحيح، حيث حدد بدقة أين أخطأ النموذج الأول وأعاد إضافة الطاقة والديناميكية المفقودة. وعند تطبيق هذا التصحيح، استعادت الوجوه الافتراضية حيويتها الطبيعية؛ حيث أصبحت حركات الفم أكثر بروزاً، وعادت كثافة العواطف إلى مستويات تطابق الأداء البشري الأصلي عن كثب. وأكدت الاختبارات الإحصائية أن التعبيرات المصححة النهائية كانت أقرب بكثير إلى البيانات البشرية الحقيقية من النسخ المولدة حاسوبياً في البداية، مما ضاعف فعلياً من درجة التشابه في كيفية تحرك عناصر التحكم الوجهية.
كما قاس البحث مدى جودة قدرة برنامج كمبيوتر مستقل ومنفصل على التعرف على العواطف في هذه الوجوه الافتراضية الجديدة. قبل خطوة التصحيح، كان الكمبيوتر يواجه صعوبة أحياناً في تحديد المشاعر، خاصة في العواطف المعقدة مثل الخوف أو المفاجأة. بعد خطوة الصقل، تحسنت معدلات التعرف بشكل كبير لمعظم العواطف، مما يشير إلى أن التفاصيل المضافة لم تكن مجرد ضوضاء عشوائية بل كانت إشارات عاطفية حقيقية. وأشار الباحثون إلى أن النظام عمل بشكل جيد عبر مستويات الكثافة المنخفضة والعالية على حد سواء، مما أثبت قدرته على التعامل مع النطاق الكامل للتعبير البشري دون الحاجة إلى إعادة تدريبه لكل سيناريو جديد. وبينما لا يزال النظام يتطلب مزيداً من الاختبار مع المراقبين البشر لمعرفة مدى طبيعية الوجوه بالنسبة لجمهور حقيقي، فإن النتال تظهر أنه من الممكن إنشاء شخصيات افتراضية قابلة للتحكم والتعبير من مجموعة صغيرة نسبياً من البيانات الواقعية. يوفر هذا النهج مساراً للمضي قدماً في إنشاء شخصيات رقمية يمكنها التعبير عن الطيف الكامل للمشاعر الإنسانية دون الحاجة المستمرة إلى ممثلين بشريين أو تعديلات فنية يدوية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.