观点综述 | AI和虚拟制作在电影行业的最新应用怎么样了?

2024-07-03 16:56:02来源:电影资讯责任编辑:596人阅读

2024中国重庆科技电影周于6月25日-30日在重庆永川举行。围绕“电影与科技的结合”,一系列的主题沙龙、大师讲堂陆续开展,邀请了业内颇具声望的行业名家,共同分享电影科技最新成果,探讨未来发展方向。

不少与会专家的发言,都力求揭示电影科技发展中的真问题。毒眸总结了数场主题沙龙中颇具启发性的观点、干货以飨读者,其中以AIGC和虚拟制作两大话题为主。

AIGC

先从AI实际应用成果的分享开始,目前AI已经在电影行业的各个方面广泛运用,并且技术处于加速迭代过程中。

清华大学教授,中国电影家协会副主席尹鸿:可能人们过去觉得人工智能做出来的东西很机械、有僵硬感,但是现在图像可能比视频技术要更先进一点,AI生成的图像已经开始有了那种微妙的情绪和神态。我们家有只猫,我让AI给我做一只教授猫,我惊讶的不是它能够完成,而且我发现它其实有自己的神韵和神态了,因为至少那只猫出现以后,晚上有时候一想到猫不是那只真猫,而是被它做出来的教授猫。

尹鸿

当然在视频内容上,它还有些缺陷。比如群众演员走的画面,用AI呈现还是带有某种机械感。目前AI视频基本上还是更接近于动画风格的那种,它不能够追求极其逼真的细节表达。不过我觉得这些都是技术问题,时间迟早会把这种机械感消除到我们难以觉察的程度。

中影人工智能研究院负责人、中国影视摄影师学会副会长马平:在传统的后期制作流程工艺里面,很多步骤已经在用AIGC替代了。以前可能七八个人的团队要做一个礼拜时间,而且一定是充满焦虑的。大家加班之后可能做出一个小样,被导演骂,然后重新做,这是行业的常态。现在,只用一个人半天的时间,可以替代原来7个人要干7天的工作,98倍的效率。而且不用焦虑,因为他只有一个人跟导演沟通。

在译制方面,AI已经实现了用演员的原声去说世界上任何一种语言,这能最大程度保留整个角色的完整性。以前我们要不然就是用字幕,但字幕有一个最大的问题是你的视线会不断在字幕和表演之间来回跳切,沉浸感会大大影响;要不然就是用配音,配音其实就跟整个配音团队的能力水平,以及客观条件有很大的关系。

导演,中国科幻产业知识产权联盟理事长图拉古:我们依靠视觉和听觉来感受这个世界,如果我们想让AI超越当前的能力,就不仅仅需要能够对话的AI,我们还需要能够感知和预测的AI,能够做出机器行动的AI。

我和我的团队一直在做的事情是,让机器像人一样用两个眼睛去识别世界先让计算机像人的大脑一样识别这个世界,虚化掉它,然后再分割它。这就是为什么我们的技术可以在绿幕里分割绿色的植物和绿色的衣服的原因,让机器以人类的方式,重新认识和理解世界。

紧接着是关于中国企业在AI落地影视行业中的探索和努力,大模型的过度泛滥和人才匮乏是核心难题。

尹鸿:中国是一个很大的国家,企业很多,但是我们大家都各自在同样的赛道上拼命地奔驰。实际上我认为这个领域将来真正要走到世界前列,需要更多的独角兽,需要更多的行业的协调,大家不是在同一条赛道跑,而是在不同的赛道上把这个路径拓宽,让大家都有共同的机会。

马平:有些统计口径说中文数据在互联网上占不到1%,另外的说大概占20%左右。不管是1%还是20%,有一个不能回避的问题是,中文互联网数据相对质量是比较低的,而且大量的网站都是反爬虫机制,所以对数据训练我们处在相对劣势的状态。

我们也知道所有西方国家加在一起,提供互联网服务的大模型,加上开源的,两只手就能数过来了,有名的就七八个。但是上个月我们从中央网信办得到的数据,我们备案的向公众提供服务的大模型已经有135个了。并不是说数量越多就有什么问题,但是在本身已经算法相对落后、算力受到限制的时候,这是不是一种重复建设?因为其实通用大模型它是一个对人类基础知识的理解,这样的一个模型并不需要上百家去做竞争,它其实带来一定的资源浪费。对AI真正的需求一定是在产业落地,一定是百业千行。所以我们现在讲垂直模型,如何去有效的利用这些资源,形成一个合力。

同样不能回避的问题是,我们整个的影视产业特别是电影行业,客观来说,自主科技发展在前面40多年时间里面,几乎处在一个非常低点的状态。在这种背景下,整个电影行业,我们没有这样的人才,没有这样的方法论,没有能够系统性地解决一个行业对于科技需求核心问题的能力。这样的人才可能需要十年培养,这样的认知和方法论可能需要更长的时间,这是特别要关注的问题。

中影的使命是,我们现在也在着力去打造一个电影产业的垂直模型。我简单介绍一下模式,我们会把整个电影的全产业链,宣传、制作、发行、放映,以及延伸到后端的文旅产业之中,可以模型化的部分提炼出来,做成神经网络模型。这个过程中我们就会形成几十个,上百个小模型,这些小模型之间的数据和算法是互通的,从而打造成一个完整的电影产业垂直模型。

这个过程中,我们会希望跟全社会有科技力量的主体,来共同形成一个研发平台,因为它会涉及到的技术不仅仅是信息科技,也有可能会涉及心理学、脑科学、人类学、社会学等等诸多方面的科学。把它变成模型之后,它所赋能的不仅仅是影视产业,因为它把电影叙事、电影表达、电影艺术、电影传播所有这些知识经验都变成了算法之后,就可以服务所有做视觉内容创作的人。比如视频博主,也可以用到这样的模型,我们很容易变成线上的SaaS服务,这样就可以打造合作的应用平台,跟全行业去做价值推广。

图拉古:除了致力于让AI知晓物理规律和明白空间关系之外,我们还希望机器拥有像人脑一样的最佳功耗比,以45瓦的峰值可以处理非常复杂的事情。人脑拥有自己的语言区域、平衡区域、记忆区域和视觉区域等等,这些区域最终经过人脑调度决策区域来形成整个大脑的闭环。机器能否拥有这样的能力,而屏除现在所谓的大模型呢?答案是可以的。

我们把人脑所有的专业负责视觉区变成专业的垂直AI模型。上边的调度区域换成综合调度决策模型,这就是1991年最早提出的MOE理论,用在网络通信中,现在用在人工智能系统里依然可行。因为我们用实践告诉大家,这种联级神经元框架,让AI可以以非常低的算力,就可以实现前所未有的能力。

最后是关于创作者与AI之间的主体性关系,从业者对于被AI取代的恐慌从未完全消失,但AI依赖过去经验的生产逻辑本质,让从业者对创造力的信心不应该消弭。

尹鸿:AI会深刻的影响影视行业,但是它并不能替代我们的影视创作。未来的竞争可能不是如何达到60分的技术层面的竞争,而是60分到100分之间创作层面的竞争,所以制作对大家的制约会减少,但是创作反而会进一步增加。

AI的逻辑是从过去的经验中学习,它永远会使得这个作品没有真正的想象力,这种算法路径中,机器很难判断你想要超越数据的愿望。回眸一笑百魅生,可能人工智能能够做出十魅,但做出百魅是很难做得到的。采菊东篱下,悠然见南山,这个悠然是很难表达出来的。

人的主体性永远是在新的认知当中去重新感知世界、认知世界、表达世界,人类永远不会停留在过去的经验当中。而且人工智能的出现会加速人们经验的更新,因为人工智能永远在学习经验,让你很快站在经验的最前端,所以我们不断的在新的认知基础之上找到情感表达的方式,超越现实的方式。

马克思有一句话说,历史是由人的欲望推动的,但是没有任何一个历史结果是人以为是那样,它就会是那样的。所以历史是力量的无数个四边形的合力创作出来的。换句话说,其实人是无法准确用计算的方法去计算未来的。

马平:很多电影节都在开办AIGC的短片单元。哪怕现在工具并不完美,并不完善,甚至很简陋的情况下,我们看到很多很成熟的作品。有意思的是,好的作品背后往往是在校的大学生,而像一些进入专业领域有十来年的有经验的团队的作品,哪怕用了AIGC工具,但制作逻辑还是在传统的工艺逻辑里面。AI大潮的来临,需要在创造力上有更大的解放。

先壤影视制作(上海)有限公司副总裁周祚:我们所理解的和期盼的AI和大众所认知的可能有不一样的。因为大众在认知AIGC的时候,他们想要的可能是通过输入文字或者提示词生成电影的图像,其实这个事情本身对于电影从业者来说,几乎没有什么现实意义的。

电影的制作流程从来不是一蹴而就的,是细分成几十甚至上百、上千个的流程,每个流程都需要有输入,有输出,在输入和输出之间是有不同的工种的,发挥人的第一性和主观能动性。这也是整个影像从创作者的脑海里面的一个创想,一直到到成片的流程。

而且这个流程在过去是比较复杂的,未来只会越来越复杂,永远不会退回到通过简单输入,经过一个黑盒子变成最终产品的模式。不管我们所说的黑盒子是一个AI算法,还是一个导演的脑袋。

在复杂的工业化体系之下,我们并不需要某些东西来给我们一个整体的解决方案,我们需要的是在我们现在已有的,符合电影工业生产流程的,细分的板块当中,AI可以帮助解决每个板块切实的需求和相关的问题。

虚拟制作

先从虚拟制作对行业提高效率、节省成本的价值进行展开。

中国艺术研究院影视系副研究员,中国影协电影数字制作委员会副会长,中国影协影视基地委员会副秘书长刘藩:近一两年来同行都在讲虚拍,但虚拍和虚拟制作不是一个概念。虚拟制作早几年前已经开始了,虚拟拍摄就是近一两年才开始,而且案例也不够多。

说个虚拟制作的案例,2015年左右乌尔善拍的《寻龙诀》,那会儿同行都在呼吁一个事——后期前置。《寻龙诀》做了一个事就是预演,通过一个大概60分钟左右的粗糙的动画片,来把《寻龙诀》片子里边的戏都展现了一遍。它能够让拍摄更有效率。前年张吃鱼的《独行月球》也用了预演的方式,更彻底,先拍了一个粗糙的片子,导演跟我说了,如果不做这个工作的话,和做了工作节省成本20%多。

深圳市洲明科技股份有限公司副总裁刘俊:从整个影视工业流程来讲,虚拟拍摄其实有几个非常明显的特点,第一是影视内容制作的后期前置,以前是拍完之后,我们再来说做一些特效,现在是通过UE的引擎,我们先把数字资产做好投放到大屏幕上,再去拍,这样的流程肯定对效率会有提升。

第二是它能够节约巨大的制景成本,没有虚拟拍摄时搭建实景花费数亿元都是常见的情况。它的数字资产积累之后,还可以复用,后期很多同样题材的电影用的时候也可以节约大量成本。我去年跟郭帆导演交流的时候,《流浪地球1》和《流浪地球2》其实还是用CG去做的。郭帆导演去美国看了之后,他一直觉得AI对未来的数字创作,特别是虚拟拍摄有一个很大的颠覆。所以未来在整个效率上,通过AI转化数字资产的手段也会有所提升。

针对国内虚拟制作企业商业模式,也有了更为成熟的落地案例。

达瓦影像科技公司创始人卢琪:2024年到现在,我们一共做虚拟拍摄的电影电视剧,平台的定制,网络电影、院线电影,一共已经做了14部了,但不是全流程虚拟拍摄,大概虚拟拍摄的量是在30%附近。我们公司的棚使用率在90%以上,并且下半年还会开一个更大的虚拟拍摄的棚,因为市场的饱和度确实可以盈利,再去开第二个棚的公司,可能在中国还是没有。

商业上的一点启示是,如果你是一个虚拟拍摄公司的话,你的思想意识上,首先要知道你是为用户服务的,是要尊重市场规律的。和任何制片方合作,首先是一个商业行为,不是一个技术行为或技术交流。千万不要跟导演说忘掉你的拍摄习惯,千万不要跟制片人说你放弃你的算账逻辑。

另外很重要的一点是,围绕这个棚的虚拟拍摄的生态伙伴够不够。比如到永川科技片场,除了虚拟拍摄,还要有基于虚拟拍摄完整的标准化企业,包括器材的、后期的、剪辑的、美术的、道具的等等。所有东西都完备了,只要给我一个虚拟拍摄场景,我就能把要素配齐,那么按照制片人现有的算账逻辑,最起码没有比以前贵,这个商业合作才会成功。

不过,国内企业和好莱坞相比普遍存在标新立异的问题,亟待行业标准的建立。

刘俊:虚拟拍摄这个行业的发展是从好莱坞开始的。我们很准确地认为中国的虚拟拍摄从去年才刚刚开始,跟好莱坞比可能慢了5年。

好莱坞在前面3年LED屏的技术基本上开始已经标准化和固定化了,但是国内会出现一个情况,你会发现国内的企业特别喜欢标新立异。比如我们在海外它的LED显示屏用的DCI2020的标准,但是国内的测试可能就会转向REC的标准。原来全球主流的LED虚拟拍摄间距是P2.6,灯珠跟灯珠的间距是2.6个毫米,但是现在国内开始有1.9、1.85,还有人提出来用1.5。其实在全球都已经被验证了,2.6和2.8是合适的,国内在这块的追求可能过于标新立异了。

卢琪:中国企业的确比较喜欢标新立异,比如我要创造一个标准,我要颠覆一个行业,我要改变一个世界,类似于这种话,尤其越在初创期的企业越容易提这些事情,感觉想象空间都很大。

像我们达瓦做这些创新和需求的研发平衡,首先我们所有的研发和开发工作,这两条线都是基于市场需求来的。需求不是凭空提出来的,它应该是通过你一个一个实际的案例和实际的数据统计,然后再分析出来的。

不管是虚拟拍摄,还是虚拟制作,都是导演和制片人和主创团队的工具。能把一个一个的工具做好,形成一个流程,把所有的工具串联起来,其实它就是一个很完善的系统性的工程,而这种系统性的工程建好了,中国就会有很好的虚拟拍摄团队的出现。

最后是关于虚拟制作会在未来的电影工业化中充当怎样的角色,尤其是在新技术日新月异的背景下。

周祚:最乐观的人认为虚拟制作可以成为中国未来电影工业的核心部分,当然这是最乐观的情况。即使最悲观的情况,大家也会认为虚拟制作将会在中国电影工业流程中不可或缺的模块。我对这个问题的看法,我可能会介于两者之间。

虚拟制作可以切实带来的好处驱动着从业者主动去使用它。比如,以前在我们电影拍摄的现场,有很多不同的层级,如果导演想要把他的思想一级一级地一直贯彻到片场里最前线的,摆音响灯杆的人身上,他需要花大量的口舌。但是有了虚拟制作之后,就可以用一种所有人都能够看得懂的,并且是非常明确的方法来去消除信息差,提升你整个创作和制作过程中的效率。

所以,不管在未来,虚拟制作能够在工业化流程里面占到多少比重,只要有这一类,对于创作者和制片方存在诱惑的事情,便不妨先推动在整个流程里面更多使用这个技术。至于推动到最后的时候,我们的工业化流程是不是要围绕虚拟制作来展开,我认为这是后面的事情。应该先推动起来,让大家先参与起来,让工业化流程跑得更快一点。

热播影视

为您推荐

本网站只提供web页面服务,通过链接的方式提供相关内容(所有视频内容收集于各大视频网站),本站不对链接内容具有进行编辑、整理、修改等权利
Copyright © 2011-2024  合作邮箱:admin@rewgrewgre.com.cn  备案号:浙ICP备2023000299号-3  

个人

公众号

QQ群

留言

顶部
退出将无法使用会员功能

会员专享收藏与播放记录

全新的交互式体验

分享便可赚积分升级会员组