情報処理学会 第75回全国大会講演要旨

近年、映像コンテンツにおいて実写ベースのCGアニメーションを目にする機会が増加している。
中でも発話シーンの合成においては、従来手法では、舌の複雑な動きや口内構造の表現において課題が残されていた。
そこで本研究では、口内表現が不十分な発話顔画像を入力とし、予め取得した口唇画像群を利用して、
入力画像の口内領域を補完することにより、実写品質の発話顔画像を自動生成する手法を提案する。
具体的には、ある一人物の歯画像と舌画像を、開口距離情報と音素情報を用いて入力画像に挿入し、多人数の口唇領域のパッチ画像を合成された入力画像上にタイリングする。
これにより、従来手法では特に表現が困難であった複雑な口内表現が可能となった。