Alle Charaktere im Garfield-Film hatten eine große Vielfalt an Designs und Volumen. Es gab kleine, runde Charaktere wie Garfield und große Charaktere mit riesigem Volumen wie Vic und Roland. Es war von Anfang an klar, dass es eine Herausforderung sein würde, die Vielfalt an Designs zu handhaben. Unser Ziel war es, eine Animation mit einem schnellen Rig zu erstellen, das ein hohes Maß an Volumenerhaltung sowie Gesamtverformung aufweist.
Wir hatten das Gefühl, dass der traditionelle Arbeitsablauf zum Erstellen von Gelenklesern und Korrekturformen mit den großen Volumina unserer Charaktere nicht zurechtkäme. Wir wollten ein organischeres, natürlicheres Ergebnis erzielen, als es normalerweise bei Muskelsimulationen der Fall ist. Die Verwendung von Ziva Real Time war die Lösung für dieses Problem.
Ziva RT ist ein Tool für maschinelles Lernen, das einen Geometrie-Deformer ausgibt, der in Echtzeit ausgeführt wird. Mit dem vollständigen Ziva-Paket haben wir dynamische Simulations-Rigs eingerichtet und riesige Caches generiert, die in den Trainer eingespeist werden. Die Simulation würde Tausende von Frames ausführen und eine Reihe technischer Posen für jedes Gelenk und jede Gelenkkombination ausführen. Der Ziva RT-Trainer hat ein abgespecktes Closed-Chain-Rig zusammen mit den Animations- und Sim-Caches aufgenommen, um die endgültige Ausgabe zu erzeugen. Dadurch konnten wir dem Animationsteam ein Rig zur Verfügung stellen, das sich so verhielt, als hätte es Knochen und Fleisch mit natürlich gleitender Haut.
Auf diese Weise konnten wir auch Charaktere mit Deformationen liefern, die normalerweise Charaktereffekt-Durchläufen vorbehalten sind. Durch die Befolgung des Ziva RT-Workflows sparten die Künstler letztendlich Zeit, da sie keine manuellen Modellierungskorrekturen vornehmen mussten, und wir konnten Sim-Setups schnell iterieren, um die Ergebnisse zu verbessern.
01. Bewegungsumfang
(Bild: © DNEG Animaton)
Die Animation, die wir für die Simulationen erstellen, ist entscheidend. Hier müssen wir die gesamte Palette der von den Charakteren erwarteten Posen definieren. Wir haben festgestellt, dass eine detaillierte Animation zu wesentlich stabileren Ergebnissen in den Rigs führt.
Wir begannen mit der Animation einzelner Gelenke wie Ellbogen und Handgelenke über die gesamte Kette hinweg und gingen dann zu Gelenkkombinationen über. Die Idee war, einen Datensatz bereitzustellen, der so viel Abwechslung wie möglich umfasste. Nachdem wir unsere ersten Durchläufe hatten, werteten wir die Ergebnisse aus, identifizierten etwaige Schwachstellen und fügten dem Training zusätzliche Posen hinzu, um die Ergebnisse zu verbessern.
02. Ziva-Simulation
(Bild: © DNEG Animaton)
Als Nächstes erstellten wir Sim-Meshes und richteten die Ziva-Simulation ein. Wir verwendeten interne Knochen-Meshes und Fleischvolumina, nichts, was anatomischen Muskeln ähnelte. Nachdem wir die Anhänge und Materialschichten optimiert hatten, war unsere Arbeit fast erledigt. Wir experimentierten mit der Aufteilung des Charakters in Regionen, was die Simulationszeiten verkürzte und die Setups vereinfachte. Wir fuhren mit der Aufteilung in Regionen für die Animation und die endgültigen Ziva RT-Deformer fort und kombinierten sie dann in einem endgültigen Rig. Die Regionen wurden wie folgt aufgeteilt:
• Torso: Wirbelsäule/Kopf/Becken – Vollsimulation
• Linker Arm: Schlüsselbein/Schulter/Ellenbogen/Handgelenk – Vollständige Simulation
• Rechter Arm: Spiegel-Cache-Ergebnis aus der Simulation des linken Arms
• Linkes Bein: Hüfte/Knie/Knöchel – Vollständige Simulation
• Rechtes Bein: Spiegel-Cache-Ergebnis aus der Simulation des linken Beins
03. Bildhauerei
(Bild: © DNEG Animaton)
In einigen Fällen haben wir zusätzliche Sculpting-Durchgänge ausgeführt, wenn wir die Ergebnisse stärker künstlerisch gestalten mussten, als es die Simulation zuließ. Das war nur minimal, aber bei Charakteren wie Vic mussten bei einigen Posen die Ellbogen und Schultern aufgeräumt werden. Während wir Sim-Setups entwickelten, wurde es immer weniger notwendig, den Sim-Cache aufzuräumen. Wir stellten fest, dass wir die Probleme effizienter lösen konnten, indem wir der Sim mehr Komplexität hinzufügten.
04. Erstellen Sie einen ZRT-Solver
(Bild: © DNEG Animaton)
Um den Ziva RT-Solver zu erstellen, haben wir dem Trainer ein Skelett, ein Anim-ROM und einen Sim-Cache zur Verfügung gestellt. Dadurch wurde der zrtPlayer-Knoten erstellt, der in Maya ausgeführt wird. Unser Workflow benötigt Front-of-Chain-BlendShapes (FOC), mit denen das Face Rig verbunden ist. Daher haben wir das SkinCluster-Element des Solvers deaktiviert und blieben nur die Deltas übrig. Für jede Region wurde ein Solver erstellt und über Geometrieebenen mit dem FOC-BlendShape verbunden. Ein Vorteil dieses Workflows war die Möglichkeit, die BlendShape-Gewichte zu malen, was uns weitere Kontrolle über die Implementierung von Ziva RT innerhalb des Rigs gab.
05. Einpacken Das endgültige Rig
(Bild: © Der Garfield-Film © 2024 Project G Productions, LLC)
Zu diesem Zeitpunkt war das fertige Rig mit eingebettetem Ziva RT nun einsatzbereit. Da wir die Ziva RT-Daten als typische Front-of-Chain-Korrekturdeltas behandeln, gab es keine Änderungen an unseren Rigging-Setups, und alle unsere vorhandenen Deformationsebenen und -Setups funktionierten mit dieser Ergänzung von Ziva RT.
Als die endgültigen Entwürfe übergeben wurden, war das Animationsteam begeistert von der Fleischlichkeit und der Volumenkonservierung der Figuren. Die Ergebnisse waren sehr ansprechend und sahen sehr organisch aus, und die Animationskünstler waren der Meinung, dass sie in ihren Zeichnungen die gewünschten Formen und Linien erreicht hatten.
Dieser Inhalt erschien ursprünglich im 3D World-Magazin, dem weltweit führenden CG-Kunstmagazin. 3D World ist in Großbritannien, Europa, den USA, Kanada, Australien und weiteren Ländern erhältlich. Eine begrenzte Anzahl von 3D World-Druckausgaben ist in unserem Online-Shop lieferbar (die Versandkosten sind in allen Preisen enthalten). Abonnieren Sie 3D World bei Magazines Direct.
