Direttamente da Insomniac Games, il principal technical artist Nathaniel Bell e il suo team composto da Chris Deven, Katheryne Wussow, Dustin Han e Austin Broder, hanno progettato e costruito dispositivi di scansione personalizzati in grado di catturare corpi, abiti e volti, a supporto del team di sviluppo nella realizzazione di mondi di gioco dettagliati e immersivi.
Realizzati completamente da zero, questi impianti personalizzati sono stati progettati per fornire agli artisti dati di scansione accurati e realistici da cui partire. Si tratta di un valore inestimabile per elementi difficili e lunghi da creare manualmente, come le pieghe dei vestiti in movimento, le texture o le diverse tonalità della pelle degli attori.
“Tutto, dai supporti che tengono insieme i telai in alluminio alle schede PCB che compongono il sistema di attivazione delle fotocamere, fino al software che gestisce gli scanner, è stato progettato e/o costruito nel fienile,” spiega Nathaniel Bell, riferendosi al suo laboratorio personale annesso all’abitazione. “Tutte le parti strutturali sono state tagliate con un banco plasma CNC o tagliate a laser da materiali in fogli, e le PCB sono state progettate su misura, assemblate e saldate a mano“.
Lo scanner corporeo contiene circa 204 fotocamere acquistate principalmente “off the shelf” (già pronte all’uso), mentre lo scanner facciale utilizza 35 fotocamere di qualità superiore dedicate alla parte anteriore del volto. Entrambi i sistemi includono luci personalizzabili, sono gestiti da un’interfaccia utente curata e operano come reti autonome accessibili da remoto.
“Per me, sviluppare il nostro ecosistema di scansione ha richiesto abilità pratiche di costruzione, progettazione hardware e ingegneria, programmazione, problem solving e un pizzico di scienza,” continua Bell. “Affrontare queste sfide mi ha permesso di soddisfare tutte queste passioni come nessun altro ruolo nello sviluppo di videogiochi avrebbe potuto fare“.
Sviluppando internamente queste competenze, il team di Nathaniel Bell ha scoperto che l’iterazione è la chiave per ottenere i migliori risultati. Sebbene uno degli obiettivi fosse superare i limiti fisici delle sessioni di cattura e migliorare le capacità di acquisizione per rendere più efficiente il processo visivo, il team ha concluso che “generare i nostri dati ci aiuterà a integrare funzionalità automatizzate più intelligenti nella nostra pipeline, e avere il pieno controllo ci permette di modificarla e ottimizzarla in ogni suo aspetto”.
