Animasi bukan hanya tentang bagaimana sebuah karakter bergerak. Lebih dari itu, animasi adalah tentang gaya—detail-detail kecil yang membuat karya seorang animator atau studio memiliki karakter dan mudah dikenali.
Ketika teknologi AI mulai digunakan dalam pipeline animasi profesional, muncul kekhawatiran bahwa hasil animasi akan terlihat semakin seragam. Namun, bagaimana jika AI justru dapat membantu memperkuat gaya yang sudah dimiliki animator, bukan menghilangkannya?
Melalui pembaruan terbaru MotionMaker di Autodesk Maya, pengguna kini dapat memanfaatkan fitur Bring Your Own Data. Fitur ini memungkinkan animator melatih model menggunakan data motion mereka sendiri sehingga AI tidak harus menghasilkan animasi yang generik, tetapi dapat membantu menciptakan animasi yang lebih personal dan konsisten.
MotionMaker dengan Bring Your Own Data
MotionMaker di Maya dapat menghasilkan animasi berdasarkan motion path atau kumpulan keyframe. Sebelumnya, MotionMaker telah menyediakan model terlatih untuk karakter biped, canine, dan horse.
Kini, melalui fitur Bring Your Own Data, pengguna dapat melatih model berdasarkan rig dan motion mereka sendiri, baik dari motion capture maupun animasi yang dibuat secara hand-keyed.
Kemampuan ini membuka peluang untuk melatih model pada berbagai jenis karakter. Data gerakan stylized yang sudah dibuat atau direkam dapat digunakan kembali sehingga menghasilkan konsistensi yang lebih baik sekaligus menghemat waktu dalam proses animasi, visual effects (VFX), dan pengembangan game.
SIRT Menguji MotionMaker untuk Animasi Stylized
Untuk memahami lebih jauh bagaimana teknologi ini dapat digunakan dalam produksi, tim Screen Industries Research and Training Centre (SIRT) di Sheridan College menguji fitur Bring Your Own Data pada sebuah proyek film pendek.
SIRT merupakan pusat riset di bawah Sheridan College yang mengerjakan berbagai proyek bersama industri, termasuk motion capture, virtual production, game development, VR, AR, dan digital humans.
Dalam proyek tersebut, tim terdiri dari Valentina Bachkarova, CG Specialist; Kevin Santos, Film Production Specialist; Khalil Shazam, Software Researcher; dan Spencer Idenouye, Virtual Production Lead.
Film pendek yang mereka kerjakan bercerita tentang seorang ksatria yang mencari senjatanya dan harus menyelinap melewati berbagai monster sebelum akhirnya menyadari bahwa ia menghadapi sesuatu yang jauh lebih besar dari perkiraannya.
Tantangan Membuat Animasi Stylized
Animasi stylized sangat bergantung pada performa seorang aktor yang mampu membawakan gaya gerakan tertentu. Namun, pendekatan ini dapat menimbulkan tantangan ketika animator menyadari bahwa sebuah gerakan seharusnya dilakukan dengan cara berbeda.
Misalnya, animator mungkin membutuhkan aktor untuk berjalan ke arah lain atau melakukan sidestep. Memanggil kembali aktor, menyiapkan kembali perlengkapan motion capture, dan melakukan proses rekaman tambahan dapat menjadi tantangan secara logistik.
Menurut tim SIRT, style lives in performance. Masalahnya, performa tidak selalu mudah untuk diskalakan.
Salah satu solusi yang umum digunakan adalah animation stock library. Namun, library animasi generik justru dapat membuat gaya bergerak ke arah realisme generik. Hal tersebut menjadi kurang ideal ketika tujuan produksinya adalah menciptakan animasi stylized.
Alternatifnya adalah membuat animasi tambahan atau melakukan lebih banyak motion capture. Tetapi cara tersebut juga menambah pekerjaan, terutama untuk gerakan yang berulang seperti berjalan, berlari, dan melompat.
Selain itu, konsistensi gaya juga menjadi tantangan. Gaya yang dilakukan oleh aktor selama sesi motion capture dapat berubah atau mengalami drift sehingga gerakan pada akhir sesi tidak selalu sama dengan yang dilakukan di awal.
Bagaimana Workflow Bring Your Own Data di MotionMaker?
Menurut tim SIRT, workflow Bring Your Own Data terdiri dari tiga bagian utama:
- Data capture
- Training
- Animation generation
Pertama, tim menentukan gaya yang ingin dibuat dan bagaimana karakter akan bergerak menggunakan gaya tersebut. Setelah berlatih, mereka melakukan sesi motion capture.
Data yang diperoleh kemudian diimpor ke MotionMaker di Maya. Data tersebut diberi tag pada bagian-bagian tertentu sebelum proses training dimulai.
Setelah proses training selesai, data tersebut menjadi sebuah AI model yang merepresentasikan gaya gerakan. Model tersebut kemudian dapat digunakan animator untuk menghasilkan motion animation dengan gaya yang telah dilatih.
Setelah model tersedia, animator dapat menerapkannya pada MotionMaker avatars dan melakukan retargeting ke karakter yang diinginkan.
Animator juga tetap memiliki kebebasan untuk menambahkan detail tambahan. Misalnya, jika sebuah karakter perlu terlihat lebih mengancam, animator dapat membuat animation layer tambahan untuk mengubah posisi bahu atau karakteristik gerakannya.
Dengan pendekatan tersebut, animator tidak harus selalu memulai dari nol.
Mempercepat Pekerjaan Tanpa Menghilangkan Gaya
Salah satu manfaat utama MotionMaker adalah membantu animator bekerja lebih cepat tanpa harus mengorbankan karakteristik visual yang ingin dipertahankan.
Animator dapat menghasilkan walk cycle, jump, vault, dan berbagai gerakan dasar lainnya sebagai titik awal. Setelah itu, animator dapat menerapkan gaya mereka sendiri, merekam animasi tambahan, dan memusatkan perhatian pada aspek artistik.
Dengan demikian, pekerjaan repetitif dapat dikurangi sekaligus membantu menjaga konsistensi.
MotionMaker juga dapat dimanfaatkan untuk karakter latar dan crowd. Dalam proyek SIRT, misalnya, terdapat skeleton soldiers yang bergerak melakukan patroli di latar belakang. Karakter seperti ini menjadi salah satu penggunaan yang tepat untuk MotionMaker karena animator dapat menghemat waktu dan memusatkan perhatian pada animasi karakter utama.
MotionMaker untuk Tim dengan Sumber Daya Terbatas
Tidak semua proyek memiliki anggaran besar atau tim yang cukup besar untuk menghasilkan variasi gerakan dalam jumlah banyak.
Bagi tim yang bekerja dengan sumber daya terbatas, MotionMaker dapat membantu menghasilkan lebih banyak dengan sumber daya yang tersedia.
SIRT juga bekerja dengan data stylized yang relatif lebih kecil dibandingkan data gerakan naturalistik. Pada dataset yang lebih kecil, dapat muncul berbagai tantangan yang mungkin tidak terlalu terlihat pada perusahaan besar dengan dataset yang lebih luas.
Di sinilah MotionMaker dapat membantu tim kecil dengan menyediakan fondasi motion animation untuk karakter tertentu. Waktu yang sebelumnya digunakan untuk membuat gerakan dasar dapat dialihkan untuk mengembangkan aspek yang lebih sinematik dan kreatif.
Menyeimbangkan Kreativitas dan Otomasi
Penggunaan AI dalam animasi bukan berarti seluruh proses kreatif harus diotomatisasi.
Salah satu prinsip yang disampaikan tim SIRT adalah:
Automate what repeats, author what’s unique.
Artinya, pekerjaan yang berulang dapat diotomatisasi, sedangkan elemen yang unik dan membutuhkan keputusan artistik tetap berada di tangan animator.
Gerakan seperti walk cycle atau idle animation dapat menjadi kandidat yang baik untuk otomatisasi, terutama ketika gerakan tersebut harus digunakan berulang kali. Animator kemudian dapat menambahkan flair dan detail artistik di atas hasil otomatisasi tersebut.
Pendekatan ini menjaga agar otomatisasi tidak menghilangkan peran animator. Sebaliknya, teknologi dapat membantu animator bekerja pada tingkat yang lebih kreatif.
Hal yang sama berlaku ketika menentukan apakah sebuah pekerjaan layak diotomatisasi. Jika dua animator memiliki cara yang berbeda dalam menyelesaikan suatu pekerjaan, mungkin pekerjaan tersebut masih membutuhkan keputusan artistik dan tidak seharusnya sepenuhnya diotomatisasi.
Data Tetap Berasal dari Kreator
Salah satu perhatian utama dalam penggunaan AI di industri kreatif adalah bagaimana data diperoleh, dikumpulkan, dan diproses.
Dengan Bring Your Own Data, MotionMaker memungkinkan pengguna membangun dataset sendiri dan menggunakannya sesuai kebutuhan, tanpa harus mengandalkan sumber eksternal.
Pendekatan ini juga berarti animator dapat menggunakan data mereka sendiri untuk mempercepat proses produksi dan mengembangkan gaya yang sudah mereka miliki.
Bagi industri animasi, hal ini memberikan pendekatan berbeda terhadap penggunaan AI: bukan mengambil gaya dari pihak lain, tetapi melatih model berdasarkan karya dan data yang dimiliki sendiri.
Masa Depan Animasi: AI sebagai Style Amplification
Bagi tim SIRT, masa depan AI dalam animasi bukan semata-mata tentang menghasilkan lebih banyak konten.
AI dapat digunakan untuk memperkuat gaya.
Dengan MotionMaker, animator dapat melatih model berdasarkan pekerjaan mereka sendiri dan menggunakannya untuk melakukan hal-hal yang sudah mereka kuasai. Waktu yang sebelumnya digunakan untuk pekerjaan repetitif dapat dialihkan ke bagian produksi yang lebih kreatif.
Seiring teknologi menjadi semakin mudah diakses, lebih banyak orang juga akan memiliki kesempatan untuk membuat film dan konten yang sebelumnya sulit mereka produksi.
Namun, ketika akses terhadap teknologi semakin luas, tantangan untuk tampil berbeda juga akan semakin besar. Kreativitas menjadi semakin penting bagi mereka yang ingin menghasilkan karya yang menonjol.
Pada akhirnya, style merupakan sebuah aset. Perusahaan dapat mulai melihat motion library sebagai bagian dari intellectual property (IP), sama seperti aset digital lainnya.
Dengan kemampuan melatih model berdasarkan gaya gerakan sendiri, animator dapat membangun library yang lebih sesuai dengan identitas kreatif mereka. Hal ini memungkinkan waktu animator digunakan untuk mengambil keputusan yang membuat sebuah film terasa benar-benar dibuat oleh manusia, bukan sekadar dirakit.
AI dalam animasi tidak harus membuat semua karya terlihat sama.
Dengan MotionMaker Bring Your Own Data di Autodesk Maya, animator dapat menggunakan motion capture maupun animasi hand-keyed mereka sendiri untuk melatih model yang merepresentasikan gaya gerakan tertentu.
Pendekatan ini membantu mengurangi pekerjaan repetitif, menjaga konsistensi, mempercepat pembuatan animasi dasar, dan memberikan lebih banyak waktu bagi animator untuk berfokus pada keputusan artistik.
Tujuannya bukan menggantikan kreativitas animator, tetapi memberikan teknologi yang memungkinkan mereka menggunakan pekerjaan yang sudah dibuat untuk memperkuat dan mengembangkan gaya mereka sendiri.
Dengan workflow yang semakin terintegrasi, pipeline animasi dapat menjadi lebih fleksibel dan memungkinkan tim melihat hasil lebih awal, melakukan iterasi lebih cepat, serta menggunakan waktu mereka untuk hal yang paling penting: menjadi lebih kreatif.
