符号动画：一种交互式动画关键帧创建与编辑方法

文献标题

Notational Animating: An Interactive Approach to Creating and Editing Animation Keyframes

出版信息

• 主题领域: 使用草图符号和生成式人工智能进行动画关键帧创作。
• 关键词: 动画关键帧、草图符号、生成式人工智能、视觉语言模型、动画工具、用户定义抽象、运动动态、交互设计、动画原则、反馈机制。

背景与问题

• 问题/挑战: 现有动画工具依赖于僵化的系统定义抽象，限制了灵活性和普适性。这些工具通常无法适应动画师传统符号的上下文、模糊性和组合性特点。
• 意义: 解决这一问题可以使动画创作更加直观，降低动画师的认知负担，并简化表达丰富细腻动画的过程。
• 动机与相关工作: 之前的工具如 Draco、Kitty 和 Motion Doodle 将预定义的视觉抽象映射到特定动画效果，但它们强制使用固定的词汇表，缺乏对用户定义、即兴符号的支持。生成式人工智能工具虽然能够提供高质量输出，但在细粒度控制方面存在局限性。本文基于这些不足提出了一种更加灵活、以用户为中心的方法。

解决方案

• 提出的方法: 符号动画——一种交互范式，动画师通过在静态绘图上绘制高层次符号来指示运动，这些符号由视觉语言模型（VLMs）解释并生成动画关键帧。
• 创新点:
  1. 描述动画师符号实践及其上下文、模糊性和组合性特点。
  2. 使用⟨源、路径、目标⟩元组形式化动画表示，以系统性地解释非正式符号。
  3. 提出一个原型系统，包含两级反馈机制和动态用户界面组件，实现细粒度控制。
  4. 从初步专家研究中获得关于专业人士如何感知和使用符号动画的洞察。
• 流程与关键技术:
  1. 分析135份真实动画师草图，识别常见符号模式。
  2. 开发结构化动画表示（⟨源、路径、目标⟩），以系统性地解释符号。
  3. 实现一个原型系统，包括：
     • 用于绘制和符号标注的画布。
     • 视觉语言模型，用于解释符号并生成关键帧。
     • 反馈机制（运动标签、时间轴、滑块），支持迭代优化。
  4. 通过7位专业动画师的用户研究评估系统的可用性和有效性。

结果

• 具体发现:
  • 参与者认为系统直观，7人中有6人同意其易于表达动画意图。
  • 动态滑块每次会话平均使用约8.1次，用于微调运动范围和强度。
  • 观察到的符号模式包括整体氛围、目标姿态、层次动态和单个片段。
• 相较基线的优势:
  • 支持用户定义的灵活符号，而非僵化的系统定义抽象。
  • 通过结合高层次草图和低层次参数调整，实现整体关键帧创作。
  • 借助结构化反馈和动态用户界面组件，促进迭代优化。
• 实验/评估:
  • 研究对象为7位专业动画师（2名女性，5名男性，年龄26–46岁，经验2–20年以上）。
  • 任务包括约束性（目标效果）和探索性（开放式）动画创作。
  • 通过对“边思考边说”数据和访谈的主题分析，提取反馈。
• 局限性与未来工作:
  • 当前系统在处理三维空间变化、细粒度遮挡和非几何变换（如光照）方面存在困难。
  • 人工智能模型偶尔会误解意图或无法执行夸张变形。
  • 未来工作包括提高推理速度、增强生成质量，以及扩展符号至摄像机运动和非几何效果。

总结

本文提出了符号动画，一种利用用户定义草图符号并由视觉语言模型解释的动画关键帧创作新范式。该方法通过支持上下文、模糊性和组合性符号，解决了现有工具的局限性，使动画师能够直观地表达复杂运动动态。原型系统展示了这一概念的可行性，通过结构化反馈和动态用户界面组件促进迭代优化。初步专家评估突显了其补充传统动画工作流程的潜力，但在处理三维空间变化和提升生成质量方面仍面临挑战。这项工作为符合动画师创作过程的人工智能辅助动画工具开辟了新方向。