好莱坞工作室借助NVIDIA GPU加速的减龄技术和数字人类技术成为焦点。
本次奥斯卡最佳视觉效果奖提名电影中,有两部都用到了一项新技术:AI赋力的视觉效果。
两部奥斯卡最佳视觉效果奖提名影片,《爱尔兰人》和《复仇者联盟4:终局之战》均借助AI技术重新定义了人类演员和数字角色之间边界。AI技术在电影《爱尔兰人》中为演员带来了无痕减龄,又赋予《复仇者联盟4:终局之战》中臭名昭著的恶棍灭霸以生命。
在电影中具有开创性的AI技术背后是视觉特效工作室工业光魔(Industrial Light&Magic)和Digital Domain,它们采用了NVIDIA Quadro RTX GPU来加速制作流程。
从第二次世界大战到2000年的疗养院, Netflix出品的电影《爱尔兰人》通过杀手弗兰克·希兰(Frank Sheeran)一生中不同时期的场景讲述了一个震撼人心的故事。
但是电影中的三个主角,罗伯特·德尼罗(Robert DeNiro),阿尔·帕西诺(Al Pacino)和乔·佩西(Joe Pesci)都已经70多岁。 化妆部无法自然地将演员通过妆容打造成20多岁和30多岁。 导演马丁·斯科塞斯(Martin Scorcese)反对使用常用的动态捕捉标记和其他干扰性设备实现对演员年龄的改变,因为这些设备会妨碍拍摄过程中的自然表演。
为了满足这一需求,工业光魔开发了一种全新的拍摄模式,即“三个摄影机”拍摄法捕捉演员的表演。导演摄影机及两侧的两个红外摄影机会同时用来记录3D几何形状和纹理。此外,该团队还开发了一个名为ILM Facefinder的软件,该软件借助AI筛选了演员们过去表演作品中的数千幅图像。
该软件可以找到与摄像机角度、取景框、照明和渲染场景表达相匹配的帧,为工业光魔的艺术家们提供了相关参考,从而实现与镜头中的每个帧进行比较。这些视觉参考用来完善为每个演员创建的数字双打,以将其转换为电影中每个特定场景的目标年龄。
“AI和机器学习正在成为我们在视觉特效中所做一切工作的一部分,”工业光魔《爱尔兰人》视效总监Pablo Helman表示, “NVIDIA Quadro RTX GPU为了我们的生产流程提供了强大动力,这些技术使我们为未来十年能够取得的成就充满期待。”
《复仇者联盟4:终局之战》是有史以来票房最高的电影,其中包括2500多个视觉效果镜头。 Digital Domain的视效团队使用机器学习在数字版本上将演员乔什·布洛林(Josh Brolin)的表演动画化,从而打造了电影中“坏出精彩”的大反派灭霸。
该团队开发了一种名为Masquerade的机器学习系统,以对演员的表演和面部动作进行低分辨率扫描,然后将其表情准确地转移到灭霸面部的高分辨率网格上。 该技术为视效艺术家节省了时间,如果没有这项技术,艺术家们则不得不耗费精力手工制作微妙的面部动作动画,以生成逼真且栩栩如生的数字人。
Digital Domain数字人类负责人Darren Hendler表示, “此过程的关键是人物情感表现的实时逼真渲染预览,这可以借助NVIDIA GPU技术实现。 现在,我们采用NVIDIA RTX技术来驱动我们所有的实时光线追踪数字化人类项目。”
越来越多的视觉效果工作室和应用程序采用了NVIDIA RTX GPU加速的AI工具,工业光魔和Digital Domain只是其中两个。
在HBO的《布道家庭》电视剧中,男主角约翰·古德曼(John Goodman)看起来比他实际年龄年轻了30岁,这种减龄效果是通过Shapeshifter实现的。Shapeshifter是一款使用AI分析面部运动的自定义软件,它能够分析皮肤如何在肌肉和骨骼之上拉伸和移动。
视效工作室Gradient Effects借助Shapeshifter转换演员的面部,在NVIDIA GPU的助力下,这一过程仅需耗时数周而不是数月。
Adobe、Autodesk和Blackmagic Design等公司已经开发了RTX加速的应用程序,以应用AI解决其他视觉效果挑战,包括实景场景深度填充、色彩调整、补光和修饰、速度扭曲运动预估以进行重定时和放大。
除了大荧幕,诸如Netflix之类的流媒体也在使用基于AI的推荐引擎,根据客户的观看历史或相似性指数为客户提供个性化的内容,该相似性指数可为观看习惯相似的人推送相应内容。
Netflix还会自定义电影缩略图以吸引个体用户,并借助AI在较低带宽下优化流质量。 该公司采用NVIDIA GPU来加速其处理复杂数据模型的工作流程,从而实现快速迭代。
顶级工作室包括卢卡斯影业ILMxLAB、Magnopus和Digital Domain将会亮相于3月23日-26日圣何塞举办的NVIDIA GTC 2020。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。