Animação

IA de Girona cria quadros intermediários de sprite com pouco dado

Pesquisadores da Universitat de Girona treinaram uma IA para gerar os quadros intermediários de animações de sprite com só 196 exemplos e uma GPU de entrada, superando métodos genéricos como o RIFE.

Por MaxRender · 19 de outubro de 2026

Figura do artigo em grade comparando quadros de sprites de jogos 2D, como lutadores, um guerreiro montado num lobo e uma criatura vermelha, gerados por Lucas-Kanade, CyclicGen, RIFE e pelo método dos pesquisadores, ao lado do quadro original.

Animação em sprite parece um problema resolvido, até você tentar fazer uma. Cada quadro de um personagem de jogo 2D ainda é desenhado à mão, e o trabalho mais cansativo é o dos quadros intermediários, os que ligam uma pose-chave à outra. Kenneth Alonso e Gustavo Patow, do grupo GILAB da Universitat de Girona, na Espanha, publicaram no arXiv um artigo sobre interpolação automática de quadros-chave em sprites que ataca exatamente essa etapa, e com a premissa de fazer isso barato.

Os métodos de interpolação mais conhecidos, como o RIFE, foram treinados com grandes volumes de vídeo comum e sofrem com sprite. Eles borram a borda, criam fantasma em volta do personagem e lidam mal com a transparência. A dupla adaptou uma rede U-Net para o formato, com canal alfa tratado de verdade, refinamento do movimento em várias escalas e uma mistura controlada pela transparência que mantém a borda de pixel nítida. O código está aberto no GitHub.

O tamanho dos dados é o que mais destoa do resto da área. Em vez de milhões de exemplos, eles montaram 280 trios de quadros tirados de sprites de 18 jogos e usaram 196 para treinar. Num teste com 42 trios, medido pela métrica perceptual FLIP, o erro médio do método foi de 0,258, contra 0,313 do RIFE, 0,449 do fluxo óptico de Lucas-Kanade e 0,603 do CyclicGen. O treino levou de quatro a seis horas numa NVIDIA Tesla T4, uma GPU de 16 GB bem comum em nuvem, e cada quadro novo sai em 8 a 10 segundos.

Os autores dizem com todas as letras que pensaram em estúdios pequenos e médios. Na animação 2D tradicional, essa conversa sobre intercalação automática vem de longe, e ferramentas como o Toon Boom já mexem nesse pipeline faz tempo, como apareceu quando o Harmony 27 adotou USD. A diferença aqui é a escala, um modelo que um dev indie consegue treinar com o próprio acervo.

A base de dados não foi publicada por questões de propriedade intelectual, e esse detalhe pesa mais do que parece. Um modelo que rende mais com poucos exemplos parecidos com o estilo do jogo vai querer aprender com o acervo do próprio estúdio, ou seja, com o trabalho dos animadores da casa, e ainda não vi ninguém discutir o que esses animadores recebem por ter ensinado a máquina.