MLS를 이용한 심슨화 캐리커처 생성

Abstract

본 논문은 캐리커처 아티스트인 쥐스탱 작가의 스타일대로 심슨화 캐리커처를 생성하는 새로운 기법을 제안한다. 심슨화 캐리커처는 심슨화와 캐리커처를 접목시킨 새로운 개념의 캐리커처로써 심슨화란 사람의 얼굴을 만화 심슨 특유의 스타일로 바꿔 심슨과 비슷한 캐릭터를 만드는 것이고 캐리커처란 사람이나 사물의 특징을 과장하여 희화화 시키는 그림이다. 본 논문에서는 컴퓨터를 이용해서 캐리커처를 생성하기 위하여 쥐스탱의 캐리커처 작성 기법을 조사, 분석하여 이를 알고리즘으로 자동화하는 규칙을 정하고 그 규칙에 따라 사용자와 닮은 만화 심슨 캐릭터를 생성한다. 극도의 양식화로 알려진 쥐스탱은 얼굴형을 삼각형, 사각형, 마름모 등의 도형으로 표현하고 눈, 코, 입, 얼굴형을 표현할 때 최대한 직선을 사용하여 캐리커처를 그리는 특징을 가지고 있다. 본 시스템은 먼저, AAM(Active Appearance Model)[3]을 사용하여 평균얼굴과 사용자의 얼굴 정보를 구하고 이를 비교하여 사용자의 특징을 검출한다. 검출된 특징을 과장하기 위하여 과장 규칙은 쥐스탱의 기법[4]을 이용한다. 부가적으로 사용자와 비슷한 영상을 만들기 위해 사용자의 헤어스타일, 액세서리 등을 적용하여 카툰화 한다. 이 연구는 실제 캐리커처 작가 기법의 분석을 통해 신뢰성 있고 완성도 높은 캐리커처를 나타낼 수 있다. 또한 기존에 연구 되고 있는 만화 캐릭터 화에 캐리커처 방식을 접목시킴으로써 사용자의 특징이 잘 나타나는 만화 캐릭터 기반의 캐리커처를 생성한다. 특히 요즘 온라인에서 자신의 사진을 만화 캐릭터인 심슨(Simpson) 스타일로 그리는 것이 화제가 되고 있는데 본 논문은 심슨화된 캐릭터를 자동으로 생성한다. 과장하는 기술은 미리 정의된 만화 캐릭터 영상을 기반으로 MLS(Moving Least Squares) 근사 기반 이미지 변형 방법[1]을 이용한다. MLS는 균등한 격자를 기반으로 격자위의 점들의 변형 전과 변형 후의 차이를 최소화시키는 변형 기법이다. 일반적으로 MLS는 입력 이미지의 내용에 상관없이 이미지를 균등한 격자로 나누는데 이는 변형에 불필요한 점들도 계산을 해야 하기 때문에 계산 속도가 느리고 비효율적이다. 그래서 본 논문에서는 에지 밀도를 기반으로 기존의 균등 격자를 비 균등 격자로 대체한다. 영상의 복잡한 부분에는 크기가 작은 격자를 조밀하게 배치하여 세밀한 변형이 가능하게 하고 단순한 부분에는 큰 격자를 배치하여 계산횟수를 줄인다. 이를 통해 결과 영상의 품질을 향상시키고 이미지 변형에 필요한 처리 속도를 개선한다.