심층 영상 합성

Deep image compositing

딥 이미지 컴포지팅은 디지털 이미지를 합성하고 렌더링하는 최근 등장한 방식이다.일반적인 색과 불투명도 채널 외에 깊이 개념이 생성된다.이를 통해 이미지 깊이의 여러 샘플이 최종 결과 색상을 구성할 수 있다.이 기법은 높은 품질의 결과를 생산하고 달리 처리할 수 없는 가장자리 주변의 유물을 제거한다.

딥 데이터

딥 데이터는 고급 3D 렌더러에 의해 인코딩되며, 각 렌더링된 픽셀이 가상 카메라에서 바깥쪽으로 뻗은 z축을 따라 공간을 통해 확장되는 경로에 대한 정보를 샘플링하는 이미지로, 여기에는 인접 샘플뿐만 아니라 모든 불투명한 표면 또는 볼륨의 색상과 불투명도도 등이 포함된다.광선 추적이 그러한 매체를 통해 시뮬레이션된 광자 경로를 생성하는 방식과 다소 유사한 것으로 간주될 수 있지만, 일반적으로 광선 추적 및 기타 전통적인 렌더링 기법은 2차원 프레임으로 평평하게 된 픽셀당 색상과 불투명도 값의 채널 3, 4개만 포함하는 이미지를 생성한다.마찬가지로 깊이 맵은 z축 정보를 포함하고 있으며 3D 렌더와 라이브 액션 및 실제 요소를 혼합하여 컴포지터에게 큰 도움이 되었지만, 각 픽셀에 대해 8비트 그리스케일 깊이 값을 하나만 제공하기 때문에 딥 데이터 이미지에 비해 맵은 상대적으로 제한적이다.많은 포스트 프로덕션 및 VFX 스튜디오의 파이프라인에 암호화를 추가하는 것이 일반적이지만, CGI와 컴포지팅 간의 격차를 더욱 좁히기 위해 렌더링된 장면의 개별 요소에 대해 별도의 색상 코드 ID 형상을 제공하는 것은 심층 데이터가 하는 거의 자동화되고 완전히 비선형적인 워크플로우를 허용하지 않는다.이는 예를 들어, 움직이는 캐릭터와 연기나 물 같은 반투명 환경 볼륨 사이의 복잡한 상호작용을 위해 로토스코핑하는 것과 같은 보통 시간 집약적인 작업들이 기본적으로 사소한 3D 정보를 캡슐화하기 때문이다.그러한 과정을 거치지 않고, 각각의 케이스에 대해 모든 매트한 요소와 배경을 다시 렌더링할 필요 없이 하나의 깊이 있는 이미지 세트에서 여러 개의 매트를 쉽게 생성할 수 있다.그러한 효율성과 유연성 외에도, 딥 데이터 이미지는 머리카락과 같은 반투명 요소를 가진 문자의 모션 블러링 에지처럼 전통적인 렌더로 인해 어려웠던 공통 영역에서 본질적으로 훨씬 높은 시각적 품질을 제공한다.

딥 이미지 사용에 대한 한 가지 단점은 파일 크기가 크다는 것인데, 이는 OpenEXR과 같은 멀티채널 형식에 비해 프레임당 상대적으로 많은 양의 데이터를 인코딩하기 때문이다.

기능 기반(통합)

데이터는 깊이 함수로 저장된다.따라서 임의의 깊이에서 데이터를 조회하는 데 사용할 수 있는 함수 곡선이 생성된다.데이터를 조작하는 것은 더 어렵다.

샘플 기반(비통합)

각 표본은 독립된 조각으로 간주되어 쉽게 조작할 수 있다.데이터가 올바른 세부 정보를 나타내는지 확인하려면 확장 값을 추가로 도입해야 한다.

심층 데이터 생성

3D 렌더러는 렌더링 파이프라인의 일부로 필요한 데이터를 생성한다.샘플은 심층적으로 수집된 다음 결합된다.이런 일이 일어나기 전에 심층 데이터를 쓸 수 있고, 그 과정에서 새로운 것은 아무것도 없다.카메라 데이터에서 심층 데이터를 생성하려면 적절한 심층 지도가 필요하다.이것은 몇 가지 경우에 사용되지만 세부적인 표현을 위해 여전히 충분히 정확하지는 않다.그러나 기본적인 보류 작업의 경우 이 정도면 충분할 수 있다.

심층 데이터 이미지 합성

딥 영상은 일반 영상처럼 합성할 수 있다.깊이 구성요소를 통해 계층화 순서를 쉽게 결정할 수 있다.전통적으로 이것은 사용자가 입력해야 했다.심층 이미지는 그 정보를 스스로 가지고 있기 때문에 사용자 입력이 필요하지 않다.투명 픽셀에 사용할 데이터가 많아짐에 따라 가장자리 아티팩트가 감소한다.

역사

Deep Images는 3D 렌더링 패키지로 오랫동안 존재해왔다.그들을 홀드아웃에 사용하는 것은 처음에는 쉐이더로 된 몇몇 VFX 주택에서 이루어졌다.홀드아웃 매트는 렌더링 시 생성될 수 있다.최근 여러 회사에서 이 프로그램을 보다 상호작용적으로 사용하면서, SideFX는 Houdini 소프트웨어에 통합하고 산업 조명 & 매직, 드림웍스 애니메이션, Weta, AnimalLogic 및 DRD 스튜디오와 같은 시설에서 인터랙티브 솔루션을 구현했다.

2014년 영화 예술 과학 아카데미는 매년 SciTech 상으로 이 기술을 기념했다.심층 컴포지팅을 위한 혁신적이고 강력하며 완전한 도구 세트의 장기적 개발과 지속적인 발전을 위해 Peter Hillman 박사는 심층 컴포지팅을 위한 기술과 워크플로우의 개발, 프로토타이핑 및 홍보를 위해 Colin Doncaster, Yohanh Saam, Areito Echevarria, Janne Kontkanen, Chris Cooper로 갔다.

자원.