Solveur de blendshapes pour visages numériques d'un studio d'animation
Aperçu
En quoi consiste ce défi.
Implémentez un solveur de blendshapes pour un studio d'animation, minimisez l'erreur de repères faciaux et exportez le maillage. Obtenez un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Comment reconstruire automatiquement l'expression d'un visage numérique en résolvant les poids de blendshapes qui approchent une pose capturée, sous contraintes géométriques.
Earning criteria — what you'll demonstrate
- Formuler et résoudre un problème de déformation de maillage par optimisation aux moindres carrés régularisée
- Appliquer des opérateurs de traitement géométrique (laplacien de maillage) à la modélisation de formes faciales
- Analyser la robustesse et le conditionnement d'un solveur géométrique face à des données bruitées
- Concevoir un pipeline reproductible pour des humains numériques, en lien avec le cours
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Les parcours de carrière que ce défi construit
Métiers de référenceIngénieur Logiciel
Construire un pipeline géométrique reproductible, testé et documenté, réparti en équipe, développe exactement les réflexes d'ingénierie logicielle attendus : découpage modulaire, gestion des dépendances et décisions d'architecture tracées.
Ce défi renforce
- algorithm-analysis
- ai-assisted-coding
- architecture-decision-records-adrs
Computer Vision Engineer
Reconstruire une expression faciale à partir de points de repère capturés est au cœur du suivi de visage et de la capture de performance ; ce défi vous donne une expérience directe de la déformation de maillage pilotée par données.
Ce défi renforce
- geometry-processing
- mesh-deformation
- algorithm-analysis
Ingénieur en Apprentissage Automatique
Le solveur régularisé sur maillages est un tremplin vers les modèles morphables et les rigs appris ; vous manipulez déjà les bases de formes et l'optimisation sous contraintes qui sous-tendent les pipelines ML de visages numériques.
Ce défi renforce
- geometry-processing
- mesh-deformation
- ai-assisted-coding