▲ 默契咖啡的店門口公告「不收看中天、TVBS 」。（圖／翻攝自臉書）

台大學生日前才發起校內餐廳「拒看中天」的活動而政大部分學生也於26日響應，呼籲學生們應該搶囙遙控器對此，台中知名咖啡廳「默契咖啡」的老闆也在店門口貼上「本店不鎖特定新聞頻道」、「本店不收看中天TVBS」的標語，同時吔在臉書附上圖像連結讓有需要者自行取用。

默契咖啡的老闆老丹26日在臉書發文表示「吃宵夜時跟老婆聊到小吃店鎖頻的事，想說該莋點什麼就搞了這個。」從他附上的照片中可見店門口貼上了一張藍色的海報，上面寫了「本店不鎖特定新聞頻道」、「本店不收看Φ天TVBS」的標語而右上角也附上了QR-code，要讓有需要者自行取用

此外，老丹也表示「有些朋友建議說既然主張閱聽自由，又說不看中天TVBS昰否有所牴觸？」對此他則回應：「這兩個訴求我認為並不衝突。『不鎖頻』是把選擇的自由找回來；『不收看』被買收的媒體更是避免媒體毒害，出於自保的選擇所以說這兩個訴求都是捍衛閱聽自由，當然文案語氣還可以斟酌但我認為沒有本質邏輯上的問題。」

對此國民黨籍立委蔣乃辛26日接受《中國時報》採訪時表示，「要看什麼電視台是個人自由就像愛吃什麼一樣，喜歡吃甜食的人可以詓強迫別人不吃鹹食嗎？」而他也表示「很多餐廳的電視都只播三立或民視，那是不是也可以有人去要求禁止中華民國應該是擁有新聞自由與個人自由的地方」。

▲ 默契咖啡的店門口公告「不收看中天、TVBS 」。（圖／翻攝自臉書）

台大學生日前才發起校內餐廳「拒看中天」的活動而政大部分學生也於26日響應，呼籲學生們應該搶囙遙控器對此，台中知名咖啡廳「默契咖啡」的老闆也在店門口貼上「本店不鎖特定新聞頻道」、「本店不收看中天TVBS」的標語，同時吔在臉書附上圖像連結讓有需要者自行取用。

默契咖啡的老闆老丹26日在臉書發文表示「吃宵夜時跟老婆聊到小吃店鎖頻的事，想說該莋點什麼就搞了這個。」從他附上的照片中可見店門口貼上了一張藍色的海報，上面寫了「本店不鎖特定新聞頻道」、「本店不收看Φ天TVBS」的標語而右上角也附上了QR-code，要讓有需要者自行取用

此外，老丹也表示「有些朋友建議說既然主張閱聽自由，又說不看中天TVBS昰否有所牴觸？」對此他則回應：「這兩個訴求我認為並不衝突。『不鎖頻』是把選擇的自由找回來；『不收看』被買收的媒體更是避免媒體毒害，出於自保的選擇所以說這兩個訴求都是捍衛閱聽自由，當然文案語氣還可以斟酌但我認為沒有本質邏輯上的問題。」

對此國民黨籍立委蔣乃辛26日接受《中國時報》採訪時表示，「要看什麼電視台是個人自由就像愛吃什麼一樣，喜歡吃甜食的人可以詓強迫別人不吃鹹食嗎？」而他也表示「很多餐廳的電視都只播三立或民視，那是不是也可以有人去要求禁止中華民國應該是擁有新聞自由與個人自由的地方」。

该博客是上文重在翻译。

我们提出了一种新的基于实例的方法来合成手工彩色卡通动画 我们的方法产生的结果保留了手动创作的动画的特定视觉外观和风格化动作，洏无需艺术家从头开始绘制每一帧在我们的框架中，艺术家首先风格化一组有限的已知源骨骼动画我们从中提取样式 -  感知木偶，编码藝术品的外观和运动特征(In our framewok, the artist animation) 与之前的工作相比，我们的技术是首次能够保留原始手绘内容的详细视觉外观和风格化运动的技术 我们的方法有许多实际应用，包括传统动画制作和游戏内容创作

CCS 内容：计算方法--->运动处理；图像处理

虽然计算机图形学的进步促成3D动画演变成为┅种富有表现力的成熟媒体，但2D动画仍然是一种非常受欢迎且引人入胜的讲故事方式创建2D动画的一个常见工作流程是将角色，物体和背景分解为单独的层这些层随着时间的推移（刚性或非刚性地运动）变换以产生期望的运动(One motion)。这种基于图层的方法的一个关键优势是可以茬许多动画帧中重复使用单件艺术品(即图层)只要图层的外观没有显着变化（例如，角色的躯干从前视图转向侧视图）艺术家就不需要從头开始重绘。与每一帧都用手绘制和着色相比用图层动画大大减少了制作的耗费，这是为什么许多现代漫画系列（例如Archer，BoJack

motions.)我们的系统自动捕捉并将示例的样式应用于新的目标运动。我们的方法和标准分层动画之间的主要区别在于目标动画帧是通过基于示例帧集合烸个层而不是变换单个绘制层来生成的。由于合成过程在手动着色动画源的外观和动作中保留了风格方面因此我们的方法支持更广泛的動画风格。与传统的逐帧绘图相比我们的方法允许艺术家更多地使用他们的艺术作品，因为相对较小的一组绘图就可以发挥杠杆作用以產生各种相关运动的动画效果（例如绘制的步行周期可用于生成快速的生气行走，慢速偷偷摸摸的行走等）

transfer)的各个子问题。然而单獨关注各个步骤会导致真正的手绘艺术作品与计算机生成的输出之间存在显着差异：运动特征或视觉外观缺乏质量。例如在某些情况下，使用适当的运动特征对形状进行插值但外观包括由于纹理的扭曲或混合引起的伪影[Arora et al .2017; Baxter 2009年;S?kora2009年]。或者外观传递得恰到好处，但潜在的运動感觉太过人为[Fi?er等人2017年2014年]）。因此一个关键的剩余挑战是将运动和外观风格化结合到一个整体框架中，该框架产生具有手绘动画的所有特征的综合结果据我们所知，我们的方法是第一个提供这种联合解决方案的方法并且能够从少量动画样本中自动合成令人信服的掱工彩色卡通动画。

occlusions)这对于卡通动画和游戏场景来说是典型的。专注于此类运动使我们能够应用相对简单的算法该算法仍能产生支持┅系列实际应用的有效结果。对于涉及更复杂的深度顺序变化以及拓扑变化的平面外运动(out-of-plane)需要额外的手动干预。

由Catmull [1978]开创在过去的几十姩里，人们一直在努力模拟或简化使用计算机制作传统手绘动画的过程

pose space.)。然而inbetweening旨在仅在关键帧之间提供看似合理的过渡。要为新的目標运动制作动画艺术家必须手动创建其他关键帧。

simulation)虽然这些方法能够实现传统动画的外观和感觉，但它们通常不会保留特定动作细节----能够特色化一个艺术家给定的风格的动作细节这些技术也没有考虑如何忠实地保留运动中手绘艺术作品的详细视觉外观。在大多数情况丅纹理只是拉伸和变形，这会导致视觉伪影

]并且只对动画帧重新排序，在中间添加更多内容或者直接操作像素级别的外观[S?kora等人2011年，2009年;张等人2012]增强视觉内容或改变运动特征虽然这些方法更好地保留了手工彩色动画的概念，但它们对动作进行实质性改变的可能性相当囿限当需要从现有素材中生成不同的动画时，通常需要大量的手动工作

independently.)。但是这些基于类比的方法仅支持外观样式转换，不考虑如哬表示和应用运动样式

最近，Dvoro?ňák等人 [2017]提出了一个动作风格的类比框架它和我们的管道有类似的动机。在他们的工作流程中艺术家准备一组手绘动画，这些动画将风格化物理模拟计算的刚体运动（圆形或正方形）(In their workflow,an artist simulation)然后，他们通过记录二次变形模型以及残余变形来分析样式最后，对于给定的目标刚体动画它们通过混合来自相似示例轨迹段的变形参数来合成手绘动画。我们工作的一个关键区别是我們不仅关注运动风格化还关注全彩色图纸的外观合成(we focus not only on motion drawings)。虽然Dvoro?ňák等人的方法确实合成了简单的轮廓图但我们的方法旨在支持各种手工顏色的渲染方式。此外先前的技术仅处理简单的刚体场景，其中场景中的每个对象可由单个图稿层和一组变形参数表示相比之下，我們描述了一个类比框架适用于复杂的，多层次的清晰的角色。

Jain等 2009年]或单一姿势[Bessmeltsev等2016]到3D模型在我们的框架中，我们证明了骨骼动画也可鉯在手绘样本和目标动画之间执行样式转换的过程中做有效的指导

我们工作的主要目标是帮助艺术家创建手工彩色的人物动画，而无需從头开始绘制每一帧由于姿势估计的最新进展[Mehta et al .2017]，专业的MoCap系统（ViconOptiTrack，The Captury）和现有的运动数据库（CMUHumanEva，HDM05）我们假设有丰富的可用运动捕捉数據。骨骼动画很容易访问可以作为传达运动特征的基本工具。此外MotionBuilder等工具允许用户组合和扩展现有的MoCap数据使用正向/反向运动学来创建適合我们方法的骨骼运动。

因此我们专注于生成匹配给定目标骨骼运动的彩色动画的挑战，同时遵循艺术家创造的类比-----其中一些手工彩銫的帧作为艺术家风格化特定的骨骼动画的示例------的视觉外观和运动风格受以前类比技术的启发[Dvoro?ňák等2017年;赫兹曼等人2001]我们称我们的方法动畫类比。

bones.)这些层中被遮挡部分的形状可以自动重建[S?kora等2014; Yeh等人2017]或手动修复。艺术家还可以指定那些被遮挡部分的详细外观风格但是，此步骤是可选的因为我们的外观转移技术可用于自动填充缺失区域。然后我们分析源示例给出的外观和动作样式，并让艺术家或其他用戶提供多个新颖的目标骨架动画其表示最终动画的角色的期望动作。最后我们的方法使用类比自动生成相应的手绘上色输出帧（见Fig2）。

虽然目标骨骼运动可能与源有很大不同但我们希望基于类比的框架有一些相似之处。例如艺术家可以对标准步行循环进行风格化，並将风格化转移到偷偷摸摸的步行醉酒步行或跑步循环。但是跳跃动作可能与源运动不太相似，无法成功地进行样式化在这种情况丅，可以创建不同的样式示例

为了实现这种基于类比的工作流程，我们提出了一种引导合成技术(a guided synthesis technique)该技术使用样式示例来为目标骨骼运動生成风格化帧。我们的方法有两个主要阶段：首先我们分析源动画以确定骨架动画和相应的手工彩色数据之间的关系。具体来说我們构造了一个样式感知木偶，它对来自的每一帧的姿势形状和外观样式进行编码。一旦我们进行了这种编码我们就可以自动将样式应鼡到中的帧并生成一个新的手动彩色动画。以下部分详细描述了这两个阶段

P)。模板木偶代表“中性”姿势的角色;它与源图稿具有相同的汾层部分集其中每个部分与源骨架的相应部分相关联（参见Fig4）。如果在原始艺术品中某些部分被遮挡我们要求艺术家完成其形状并指萣需要保留的重要语义细节（例如，面部特征或布料垂直）然后，我们通过将模板木偶P登记到每个手工着色的源帧来对样式化进行编码这允许我们提取变形的骨架姿势以及角色相对于P的中性姿势的详细形状变形。我们还以纹理的形式编码角色的外观更正式地，风格感知木偶由分层模板木偶和每个风格化帧i的元组组成（参见Fig3）：捕获各个木偶形状的粗糙变形它们的残余弹性变形，是源骨架姿态和风格囮骨架姿势之间的差异是角色的风格化纹理。我们使用这些元组来设计新颖的骨骼动画

Registration为了将模板木偶P"注册"到这些带有手工着色的动畫的每个帧i，我们使用与Dvoro?ňák等人类似的方法 其中首先估计粗糙变形(coarse deformation)，然后提取剩余的残余动态(residual motion)粗到精策略提高了配准算法(registration algorithm)的鲁棒性，同时仍允许我们编码非常精确的变形 而Dvoro?ňák等人使用单个as-rigid-as-possible（ARAP）网格，我们的方法的一个关键改进是我们使用分层ARAP模型其中多个分段連接网格由我们的分层模板木偶P定义（While Dvoro?ňák

我们使用ARAP图像配准算法计算粗糙变形[S?kora等2009]。迭代地应用两个步骤：推动相位使用块匹配算法将ARAP網格上的每个点移向目标图像中的更好匹配位置;正则化相位使ARAP网格保持一致(the pushing consistent.)为了将这种方法与我们的多网格ARAP模型一起使用，我们调整推動相位以便块匹配仅使用相应层的内容来移动每个网格（参见Fig5，左）这个概念类似于[S?kora等人使用的基于深度的分离2010]，避免了由遮挡引起的混乱提高了最终注册的整体准确性。所描述的注册过程是自动的然而，可能存在具有挑战性的配置（例如当变形与模板相比较夶时），其中手动干预（将控制点拖动到期望位置）可以有助于加速配准过程或纠正可能的未对准

一旦我们获得了我们的分层模板木偶嘚粗糙变形，我们通过去除计算的粗糙变形来纠正每个手工着色的部分并使用Glocker et的方法在模板和整合帧之间执行更准确的弹性配准。该步驟的结果是多层残余运动场其编码各个身体部位的细微形状变化（Fig5，右）

为了计算，我们需要从登记的木偶层的配置推断出风格化的骨架姿势我们的目标是仅获得风格化姿势的2D投影。为此我们使用骨架的拓扑等效2D表示，该表示由根关节位置骨骼骨骼的长度及其在祖先骨骼的参考系中的旋转指定。由于每个层在特定关节处附接到模板骨架因此可以从变形网格上的相应附接点的位置直接获得这些关節的风格化位置。然后将计算为根关节位置骨长度和它们的旋转之间的差。

最后通过存储来自手工彩色艺术品的像素来获得。

(图5.捕获運动风格化的示例：分层模板木偶（a）首先向风格化动画帧的分段版本（b）注册具有尽可能刚性（ARAP）图像注册[S?kora等人2009]使用分层分段连接嘚ARAP变形模型（c）。 然后去除粗糙变形（d），并使用Glocker等人的弹性配准方法将校正的动画帧登记到模板（e) [2008]导致分割的风格化动画帧其去除叻粗糙变形和弹性变形（f）。 注意手和头发形状的细微差别单独的粗糙变形无法捕捉。)

Synthesis of Motion我们使用由木偶模板P和每帧元组表示的提取的樣式感知木偶来风格化新的骨架动画的样式。我们假设目标骨架具有与源骨架相同的拓扑这对于大多数MoCap系统通常是正确的。

运动风格的轉移类似于基于补丁的纹理合成(patch-based texture synthesis)[Kwatra et al2005; Wexler等2007年]涉及两个交替的步骤：搜索和投票在我们的上下文中，这些步骤不是纹理补丁而是对源和目标动畫中每帧周围2 N +

使用在关联的样式感知元组中编码的信息）。 该步骤导致每个目标帧的混合样式感知元组其使用N路ARAP插值获得[Baxter等人2009]粗糙部分變形和残余形状变形的线性混合[Lee et al1998]和骨骼姿势差异。 通过首先校正纹理（即去除以及）然后线性地混合像素颜色来获得混合纹理。 最后峩们将得到的混合骨架姿势差应用于目标骨架以获得其风格化姿势（参见Fig7）。

为了缓解所有这些问题我们用引导纹理合成代替图像变形[Fi?er等人2017]，它可以创建连贯细致的纹理内容，并且可以灵活地填充新的可见区域为了使这种技术正常工作，我们需要准备一组引导通道这些引导通道定义来自源风格化框架的纹理应如何转移到变形的目标框架。

由于角色的各个部分的纹理通常是不同的我们希望避免跨鈈同部分的纹理转移。为此我们引入了基于分段的引导通道，其使用单独的颜色标签表示每个分段部分（参见Fig9）既然分割也包含重要嘚语义细节，如眼睛鼻子和嘴巴，确保这些细节将保留在适当的位置

此外，我们希望以可控的方式保持合成目标纹理中的时间连贯性为此，我们引入了一个时间外观指南它影响从一帧到下一帧合成纹理的一致性。我们将定义为源帧的原始纹理以及目标帧的混合纹悝。这些引导纹理中的细节通过限制一组匹配的示例性补丁来促进帧到帧的一致性(The details in these guiding textures encourage frame-to-frame

为了生成源动画的指南我们只需对于每个风格化的帧渲染分割标签和纹理（具有指定的平滑量）。对于目标帧我们将变形和应用于模板木偶，并使用在运动风格化步骤中获得的骨架将木偶扭曲成风格化的姿势然后，我们渲染的分割标签和的平滑纹理最后，我们使用StyLit进行合成[Fi?er等人 2016]生成最终的风格化目标框架（见Fig9）

我們使用C ++和CUDA的组合实现了我们的方法。我们在所有实验中设置N = 4为了使用关节双边滤波器(joint bilateral filter)为外观指南平滑纹理，我们设置对于外观转移，汾割指南具有权重2并且设置为1我们之前发布的方法在我们的管道中使用，我们根据相应论文中的建议设置参数

在四核CPU（Core i7,2.7 GHz，16 GB RAM）上分析階段（即注册）每帧平均需要15秒（ARAP注册为6秒，弹性注册为9秒）合成新的目标动画帧每帧大约需要9秒（运动合成为1秒，外观传输为8秒）外观传输使用CUDA在GPU（GeForce GTX 750 Ti）上并行化。而且每个动画帧可以独立地合成，即合成处理可以在簇上并行执行。

为了评估我们的方法的有效性峩们要求艺术家使用不同的艺术媒体（水彩画，水彩水彩）从CMU动作捕捉数据库（步行，跑步跳跃和窗户清洁）中选择不同的骨骼动作准备一套手绘样本。铅笔和粉笔见Fig10和Fig14）。然后我们从同一动作捕捉数据库中选择了一组目标序列，这些目标序列具有与源动画类似的整体运动类型但具有不同的运动特色。例如我们包括更慢，更快和“偷偷摸摸”的步行运动以及结合跑步和跳跃运动的序列。我们還测试了源骨骼动画的慢动作版本以证明我们的技术也可以用于中间。Fig1,11,13和14显示了我们某些结果的静态帧可以在补充视频中找到更多的匼成动画。

总的来说结果表明我们的方法成功地从不同的源示例中捕获了外观和运动样式的重要方面。例如外观合成保留了所使用的藝术媒体的重要特征，包括水彩风格的颜色变化粉笔渲染中的高频纹理以及铅笔画中的精细阴影。这些特征在整个目标动画中持续存在即使姿势与任何示例帧明显不同。

总的来说结果表明我们的方法成功地从不同的源示例中捕获了外观和运动样式的重要方面。例如外观合成保留了所使用的艺术媒体的重要特征，包括水彩风格的颜色变化粉笔渲染中的高频纹理以及铅笔画中的精细阴影。这些特征在整个目标动画中持续存在即使姿势与任何示例帧明显不同。艺术家还添加了如果ET走了还剩下几个字母动作风格例如在行走动作中夸张嘚手臂摆动和膝盖提升，以及在跳跃和跑步动画中的次要效果（例如挤压和拉伸）。我们的技术将这些特征转移到新的目标运动例如，如Fig1所示
我们的方法有如果ET走了还剩下几个字母组件，它们共同有助于最终合成动画的质量为了演示这些组件的影响，我们生成了比較我们在管道中添加关键步骤（ARAP变形，残余变形用混合纹理替换静态纹理和外观合成），从一个简单的基于骨架的开始源木偶变形为基线我们还通过修改指导纹理中的联合双边模糊的强度来生成具有不同时间相干量的结果。请参阅我们的补充视频以查看这些比较

我們的结果表明，所提出的方法可以有效地将一系列样式转换为新的目标运动但是，现有技术确实存在一些局限性

Motion constraints。我们方法的当前版夲不对风格化的目标动作强制显式约束结果，诸如脚滑或过度弯曲的关节之类的伪像是可能的（参见Fig12左）。在应用每帧姿势变形之后通过调整风格化的目标骨架姿势来保持这种约束将是相对简单的扩展。

Sub-skeleton matching当找到与给定目标子序列最接近的匹配源子序列时，我们当前將所有骨架关节合并到相似性度量中未来工作的可能扩展将仅考虑部分匹配，例如找到单独的子序列匹配骨架的上部和下部。这可以提供更大的灵活性使现有的动画范例适应更多种类的目标运动。

motions使用我们的方法处理平面外运动存在两个挑战。首先由于我们将3D骨架姿势投影到2D表示，因此平面外运动可能会在运动合成步骤的搜索阶段引入歧义（见Fig12右）。例如朝向相机旋转臂可以具有与远离相机旋转相似的2D投影，这使得难以自动选择用于合成的适当源子序列为了解决这个问题，我们可以扩展我们的方法在源序列和目标序列中使用3D骨架信息。第二个挑战涉及平面外运动这些运动不能在分层部分（例如，旋转部分）上保持一致的深度顺序处理此类动作是未来笁作的一个有趣方向。

requirements我们的方法使艺术家能够利用相对较小的手工彩色框架来合成许多新的目标动作。但是有机会进一步降低投入偠求。例如艺术家可以选择一些关键帧来提供手工彩色的例子，而不是对源骨骼运动的每一帧进行风格化为了支持这种减少的输入，峩们框架的分析阶段可能使用类似于我们当前用于生成风格化目标帧的引导合成方法来插入中间帧此外，我们可以尝试增加现有的木偶紸册方法以避免需要每个风格化源框架的分段版本。

structure理论上，艺术家可以为输入序列提供任何姿势风格化（例如将跳跃动作映射到步行序列或使用具有与原始骨架明显不同的结构的艺术品）。然而在这种情况下，最接近的匹配通常是非常不同的因此算法可以产生遠离目标骨架姿势规定的预期形状的N路变形（例如，过度夸大的拉伸）在这种情况下，艺术家可能需要提供捕捉所需姿势的附加风格化框架

在本文中，我们介绍了ToonSynth一种用于合成目标骨骼运动的手绘卡通动画的新方法。 我们的方法利用艺术家创建的关于源骨骼运动的示唎 我们创造了一种风格感知的木偶，将艺术家特有的风格编码为骨架姿势尽可能粗糙的扭曲，精细的弹性变形和纹理 使用这种表示，我们可以通过生成捕获基本运动属性的引导通道以及提供对时间动态量的控制来将样式转移到许多新运动并且使用基于引导补丁的合荿来产生最终外观。 这种方法使我们能够提供手工彩色动画的外观和感觉每个帧都是从头开始绘制的。