TP3: Morphage de visages

HW3: Faces morphing

Date limite: 15 mars 2015 à 23h59

Due Date: 23h59 on March 15th, 2015

Résumé

Overview

Pour ce TP, vous produirez une animation qui affichera votre visage, et le métamorphosera vers le visage d'un autre étudiant du cours, sous la forme d'une séquence vidéo. Lorsque le TP sera terminé, nous (les responsables du cours) allons raccorder vos vidéos afin de créer une séquence vidéo finale qui présentera une métamorphose de chacun d'entre nous.

En plus de cette séquence vidéo démontrant cette métamorphose, vous devrez générer, en utilisant votre algorithme de morphage (morphing), une image moyenne des visages de tous les étudiants de la classe.

For this homework, you will produce a "morph" animation of your face into another student's face. We (your professor and TA) will connect them in order to create a final video sequence which will show a continuous morph through all the faces of the class.

In addition to the morph animation, you will also use your morpher to create the picture of the average face in the class.

Définir les correspondances

Defining correspondences

Tout d'abord, vous devrez définir manuellement des paires de points correspondants sur les deux images. En général, plus il y a de points, mieux c'est. Pour ce faire, utilisez le même outil que pour la section "préalables" plus haut.

First, you will need to manually define pairs of corresponding points on the two images (usually the more points, the better the morph). You can use the Matlab tool we gave you in the "prerequesites" section above.

Calculer une triangulation

Triangulation

Ensuite, vous devez découper l'image en plusieurs parties en utilisant les points sélectionnés à l'étape précédente. Une bonne façon de faire est d'utiliser un algorithme de triangulation. Une triangulation de Delaunay (voir delaunay sous Matlab) est un bon choix puisque cet algorithme ne produit pas des triangles trop minces. Vous pouvez calculer la triangulation de Delaunay sur l'une des deux images, et d'utiliser cette même triangulation sur l'autre image. Ne calculez pas deux triangulations, car elle doit demeurer la même tout le long du morph. Par contre, une meilleure approche serait de calculer la triangulation sur une forme intermédiaire (i.e. la moyenne des deux ensembles de points) pour diminuer la déformation potentielle des triangles.

Then you will need to divide the image into several parts using your previously selected points. A good way is to use a triangulation algorithm. The Delaunay triangulation (see delaunay in Matlab) is a good choice since this algorithm does not produce triangles that are too thin. You can calculate the Delaunay triangulation on one of two sets of points, but not both, since the triangulation must be the same throughout the morph. However, a better approach would be to calculate the triangulation on an intermediate form (i.e. the average of the two sets of points) to decrease the potential deformation of triangles.

Créer le morphage

Morph

Vous devez écrire une fonction Matlab:

You must write a Matlab function:

morphed_img = morph(img1, img2, img1_pts, img2_pts, tri, warp_frac, dissolve_frac);

qui produit une distorsion entre img1 et img2 en utilisant la correspondance des points img1_pts et img2_pts et la structure de triangulation tri. Les paramètres warp_frac et dissolve_frac contrôlent respectivement la distorsion de forme ainsi que le niveau de fondu. Plus particulièrement, les images img1 et img2 sont d'abord transformées en une forme intermédiaire contrôlée par warp_frac et le fondu est ensuite fait en fonction de dissolve_frac. Ces paramètres varient de 0 à 1. Ce sont les seuls paramètres qui varieront entre chaque trame de l'animation. Pour la trame de départ, ils devraient être chacun égal à 0 et, pour la trame finale, ils devraient être chacun à 1.

which produces a distortion between img1 and img2 using the correspondence points img1_pts and img2_pts and tri the triangulation structure. The warp_frac and dissolve_frac parameters respectively control the distortion of the shape and the level of dissolution. Specifically, images img1 and img2 are first transformed into an intermediate shape which is a weighted mean of both points (where the weight is warp_frac). The level of dissolution is made ​​according to dissolve_frac. These parameters vary from 0 to 1. These are the only parameters that should vary between each frame of the animation. At the start, they should each be equal to 0 and, for the final frame, they should each be equal to 1.

Transformation affine des triangles

Triangles affine transformation

Cela consiste à calculer la déformation de chaque triangle de la triangulation à partir des images originales jusqu'à un point intermédiaire entre ces deux images. Cela se fait en calculant simplement une matrice de transformation affine entre deux triangles. Ces transformations doivent être calculées indépendamment pour chaque paire de triangles.

The main task is to calculate the distortion of each triangle of the triangulation from the original images to the intermediate morph. This can be done by computing an affine transformation matrix between the triangles. These matrices must be computed independently for each pair of triangles.

Notez que vous ne pouvez pas utiliser les fonctions de Matlab calculant pour vous les transformations (par exemple, imtransform, cp2tform, maketform, etc.).

Note that you cannot use Matlab functions to calculate the transformation for you (eg. imtransform, cp2tform, maketform, etc..).

Fondu des couleurs

Dissolving

Lorsque vous connaissez les transformations affines, il vous faut maintenant calculer la couleur de chacun des pixels. Pour chaque triangle, calculez la transformation affine inverse, qui vous permettre d'aller lire la couleur associée à chaque pixel dans les deux images, et d'en calculer une moyenne pondérée. La poids de chaque image correspond à dissolve_frac et 1-dissolve_frac.

After the affine transforms are computed, you must now compute the color for each pixel. For each triangle, compute the inverse affine transform, use it to look up the color associated to each pixel in both images, and compute their weighted average. The weight for each image corresponds to (1 - dissolve_frac) and dissolve_frac.

Les fonctions Matlab tsearch et interp2 pourront vous être utile. Notez que tsearch suppose que votre triangulation est toujours de Delaunay. Dans notre cas, ce n'est pas toujours vrai -- il est possible que vous commenciez avec une triangulation de Delaunay, mais que, lors du morphage, les triangles deviennent trop minces et qu'ils cessent d'être de Delaunay. Nous vous suggérons donc d'utiliser l'implémentation suivante de tsearch qui fonctionne sur toutes triangulations. Il vous faudra la compiler en tapant mex mytsearch.cpp dans Matlab. Si cette implémentation ne fonctionne pas pour vous, contactez nous le plus rapidement possible.

The tsearch and interp2 functions may be helpful. Note, however, that tsearch assumes that your triangulation is always Delaunay. In our case, this is not always true - it is possible that you start with a Delaunay triangulation, but that during the morph, triangles become too thin and cease to be Delaunay. We suggest using the following implementation of tsearch which works on any triangulation (compile by typing mex mytsearch.cpp in Matlab). If the implementation is not working for you, contact us as soon as possible.

Arrière-plan

Background

Finalement, il vous reste à déterminer quoi faire avec les pixels à l'extérieur de l'objet. Pour ce faire, rajoutez des points d'intérêts en bordure de l'image (aux quatre coins, ou de façon plus dense), et traitez-les comme les autres dans votre algorithme. De cette façon, l'image en entier est transformée.

Finally, you have to decide what to do with the pixels outside the region of interest. To do so, add interest points on the image border (at each corner of the image, or more densely), and treat them like the others in your algorithm. This way, the entire image is transformed.

Conseils

Tips

• Sélectionnez beaucoup de points d'intérêt dans les deux images (au minimum ceux indiqués à la section "Préalables").
• Select a lot of points to create your video (at least as many as those listed in "prerequisites" section).
• Lors de la création de la séquence, augmentez warp_frac avant même d'augmenter dissolve_frac. Autrement, les caractéristiques pourraient ne pas être correctement alignées lors du fondu. Cela est plus important/utile lorsque vous effectuez du morphage entre des visages.
• When creating the sequence, increase warp_frac a lot before even increasing dissolve_frac. Otherwise, the features may not be properly aligned when dissolved. This is more important/useful when you perform morphing with faces.
• Il est important que vous utilisiez la transformation inverse pour remplir votre image intermédiaire. Donc, pour chaque triangle dans l'image intermédiaire, vous regardez la position (x,y) des pixels à l'intérieur de ceux-ci (en utilisant tsearch) et vous appliquez les transformations inverses pour trouver les valeurs dans les images originales. Cela est illustré dans l'image plus haut.
• It is important that you use the inverse transformation to complete your morphed picture. So, for each triangle in the morphed image, you look at the position (x, y) of the pixels inside them (using tsearch) and you apply the inverse transformations to find the values ​​in the original images. This is illustrated in the images above.

Sauvegarde vidéo

Saving a video

Calcul du "visage moyen" (25%, 20% pour les étudiants gradués)

Computing the "average face" (25%, 20% for graduate students)

Plusieurs choses amusantes sont possibles avec le morphage. Par exemple, nous pouvons calculer le visage moyen des étudiants de la classe. Pour ce faire, il faut: 1) calculer la forme moyenne, 2) déformer tous les visages dans cette forme, et 3) calculer la moyenne de toutes ces images. Cela exige un marquage uniforme de tous les visages. C'est à cette étape que vous utiliserez les points d'intérêts sélectionnés par tous sur leur propre visage (voir section "Préalables" plus haut). Nous vous indiquerons comment récupérer ces points d'intérêts lorsque nous les aurons reçus.

Many fun things are possible with morphing. For example, we can calculate the average face of the class. This would involve: 1) computing the average shape, 2) warping all faces into that shape, and 3) averaging the colors together. This requires consistent labeling of all the faces. Everyone in the class should have manually selected the features of their face (see "prerequisites", above). Once we have all the files, we will let you know how to get them.

Crédits supplémentaires

Bells and Whistles

Essayez ces idées pour approfondir vos connaissances (et augmenter votre note):

Try these ideas to increase your understanding on this subject (and your score):

• (jusqu'à 5 points) Utilisez des photos prises vous-même. Expérimentez avec les poses des personnes et/ou objets.
• (up to 5 points) Use your own pictures. Experiment with different poses on people and/or objects.
• (jusqu'à 10 points) Faites des expériences avec des objets, des animaux ou autres. Amusez-vous!
• (up to 10 points) Experiments with objects, animals and others. Have fun!
• (jusqu'à 10 points) Utilisez l'idée derrière le calcul du visage moyen pour produire des caricatures, faire de la masculinisation ou de la féminisation et toutes autres choses amusantes auxquelles vous pouvez penser.
• (up to 10 points) Use the mean face idea to produce caricatures, masculinizing and feminizing transforms and any other fun things you can think of.
• (jusqu'à 20 points) Utilisez les visages de la classe pour calculer une ACP (Analyse des Composantes Principales) de l'espace des visages. Essayez d'effectuer les caricatures et les autres transformations dans la nouvelle base. Comparez vos résultats à ceux obtenus sans l'analyse en ACP. Les résultats sont-ils meilleurs?
• (up to 20 points) Use the class data to compute a PCA basis for the face space. Try performing caricatures and other transformations in the new basis. Compare your results to doing this in normal basis. Are the results better?
• (jusqu'à 20 points) Implémentez un algorithme de morphage n'utilisant pas des triangles. Il y a beaucoup d'options. Par exemple, vous pouvez calculer une transformation pour chaque pixel en faisant une estimation du moindre carrée pondérée où les poids sur les points de contrôle sont déterminés par la distance de ces points au pixel en question.
• (up to 20 points) Implement a non-triangle based morphing algorithm. There are a lot of possibilities out there. For example, you could try to compute a weighted least-squares estimate of the transform at each pixel, where the weights on the control points are determined by the distance from the pixel in question.

Remerciements

Thanks

Merci à Alyosha Efros d'avoir créé le TP original qui a servi d'inspiration pour celui-ci!

Many thanks to Alyosha Efros for creating the assignment which inspired this one!

Retour à la page web du cours.

Back to the class webpage.