摘 要：隨著電子計算機(jī)人工智能方向的不斷探索和發(fā)展，尤其是人工神經(jīng)網(wǎng)絡(luò)的廣泛運(yùn)用，電腦AI已經(jīng)是各行各業(yè)都不可回避的問題，這里既有AI發(fā)展帶來的壓力與更替，更代表著新機(jī)會與技術(shù)革新。針對現(xiàn)代影視播放渠道平臺化，劇集生產(chǎn)周期節(jié)奏快，制作量巨大等新問題的產(chǎn)生，有效利用AI人工智能技術(shù)特點，可以幫助傳統(tǒng)影視制作行業(yè)在不擴(kuò)大人力成本的同時，有效縮短制作周期，提高制作質(zhì)量。本文就從AI制作的技術(shù)原理特點，及其發(fā)展方向上進(jìn)行研究，闡述AI人工智能在目前影視制作中的優(yōu)勢以及具體應(yīng)用模式，以及對未來影視AI技術(shù)可能的發(fā)展方向提出可行性建議和參考。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò);影視AI技術(shù);人工智能;影視制作

一、引言：

近來手機(jī)AI 換臉應(yīng)用的火爆，在各網(wǎng)站和頭條視頻都有它們的身影，軟件通過用戶上傳的一些帶有自己或他人的照片替換到視頻中的人物面孔，效果非常逼真，即使普通人也可以通過簡單的幾步操作，通過手機(jī)APP就制作出堪比特效大片的換臉效果，引起一時轟動。而這些流行的AI軟件其核心就是人工神經(jīng)網(wǎng)絡(luò)，而不用或減少人工參與就是其最大的特點和優(yōu)勢。

二、人工神經(jīng)網(wǎng)絡(luò)原理特點：

它的工作原理，模仿生物神經(jīng)網(wǎng)絡(luò)的各類行為學(xué)特征，進(jìn)行組合排列并信息化處理的數(shù)學(xué)算法模型。我們把它叫做，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks）也可以簡稱為神經(jīng)網(wǎng)絡(luò)（NNs）。

如下圖1所示，這種網(wǎng)絡(luò)的特點是，依靠復(fù)雜系統(tǒng)，通過內(nèi)部調(diào)節(jié)眾多節(jié)點與節(jié)點之間相互依存的關(guān)系，從而達(dá)到處理信息目的。在工程與學(xué)術(shù)界也常直接簡稱為”神經(jīng)網(wǎng)絡(luò)”或類神經(jīng)網(wǎng)絡(luò)。

受到生物大腦結(jié)構(gòu)的啟發(fā)，而創(chuàng)造出來的人工神經(jīng)網(wǎng)絡(luò)，是它能擁有真智能的主要原因。在我們的大腦中，有數(shù)以十億計的神經(jīng)元細(xì)胞，它們彼此之間連接成了一個神經(jīng)網(wǎng)絡(luò)。

通常我們認(rèn)為，對象大腦的結(jié)構(gòu)越簡單，那么智商就越低。所以單細(xì)胞生物智商極低。人工神經(jīng)網(wǎng)絡(luò)也是同樣道理，構(gòu)成網(wǎng)絡(luò)結(jié)構(gòu)越復(fù)雜它就越強(qiáng)大，所以我們需要有一定深度和廣度的神經(jīng)網(wǎng)絡(luò)。這里的深度特指層數(shù)多，層級數(shù)越多那么，構(gòu)建成的神經(jīng)網(wǎng)絡(luò)就越復(fù)雜。

三、人工神經(jīng)網(wǎng)絡(luò)如何進(jìn)行學(xué)習(xí)

假設(shè)有一張圖擺在我們面前，我們可以很快地識別出圖像中畫面是什么，但從計算機(jī)角度來，它所觀察到的只是數(shù)字，不具備直觀的理解數(shù)學(xué)背后所表示圖像的能力。所以要讓計算機(jī)可以識別畫面，第一步要就是讓計算機(jī)可以理解代表畫面的這些數(shù)字，如下圖2圖3所示，人可以很快看出畫面中有貓，而計算機(jī)卻不行。

同樣，這個問題也可從生物學(xué)上尋找靈感，例如生物是如何「理解」看見世界的？對生物而言，看到的只是光從不同角度反射到物體上帶來的信息，但這些信息并沒有告訴我們圖中有貓。

這里面的重點在于，生物可以很容易地通過很底層基礎(chǔ)信息獲取其背后的抽象認(rèn)知，比如人類看見貓的圖像其實就是對這類底層信息抽象得到圖中小貓的。

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)原理，實際上就是模擬一種電腦信息，將這類信息抽象成更高的信息，然后更高的信息再進(jìn)一步繼續(xù)抽象。

總而言之，如下圖4所示，就是通過類似過濾器的矩陣（本質(zhì)就是一個二維數(shù)組）與圖像中的數(shù)據(jù)資料進(jìn)行組合，獲得某個抽象層，抽象層中的信息同時也代表更高一層的信息，然后以同樣的方式再通過過濾器與當(dāng)前抽象層進(jìn)行組合運(yùn)算，獲得下一個更高信息維度的抽象層。

四、AI人工智能技術(shù)在影視制作中的優(yōu)勢：

第一，一次學(xué)習(xí)，終身受益。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的過程顧名思義這是一個學(xué)習(xí)的過程，學(xué)習(xí)的過程時間會比較長，但是一旦學(xué)會了是可以重復(fù)提取價值的，和傳統(tǒng)技術(shù)不同的是，以前制作是需要制作人員，一個鏡頭一個鏡頭的處理。同類型同場次鏡頭一般不會分到不同制作人員制作，害怕不同制作人員水平和技術(shù)差距導(dǎo)致出現(xiàn)鏡頭效果不一致或無法銜接的窘?jīng)r。而現(xiàn)在是，我教會電腦怎么做鏡頭，學(xué)會了電腦AI會根據(jù)標(biāo)準(zhǔn)鏡頭，統(tǒng)一批量生產(chǎn)。這樣設(shè)備越多，生產(chǎn)力就越大，不再是以往的精英主義，只有少部分人純手工打造等限制生產(chǎn)力的情況，并且效果統(tǒng)一無紕漏。

第二，受限于以前電腦CPU設(shè)計與處理方式的限制，很多電腦理論硬件機(jī)能足夠。但是運(yùn)算效果和速度始終無法實現(xiàn)質(zhì)的突破?，F(xiàn)在由于圖形顯卡的崛起。使得顯卡可以獨(dú)立于CPU進(jìn)行特定超高強(qiáng)度的運(yùn)算和工作。顯卡和 CPU 的區(qū)別是顯卡能夠提供一種多對象的處理方式，比如原先只能提供一個頂點到另一個頂點單線程的運(yùn)算來講，現(xiàn)在顯卡能夠進(jìn)行有規(guī)律的批量的運(yùn)算，這大大節(jié)省了運(yùn)算的壓力與時間。隨著擁有數(shù)百核心的顯卡芯片的開發(fā)和應(yīng)用使得復(fù)雜神經(jīng)網(wǎng)絡(luò)得以實現(xiàn)，通過顯卡的算力可以將需要特別多人力的CG工程制作，例如需要制作CG人物模型，再做復(fù)雜的人物表情綁定，再做面部表情捕捉在經(jīng)過燈光渲染合成等一系列操作才能完成的工作僅通過機(jī)器學(xué)習(xí)來完成，而且僅僅是剛剛?cè)胄械钠胀ㄈ司涂梢耘浜想娔XAI參與進(jìn)制作流程之中，相比較起來，制作復(fù)雜度上是輕了很多。

第三，能夠迅速尋找，優(yōu)化解決鏡頭的能力。復(fù)雜鏡頭的制作往往需要制作人員多次嘗試修改，才能達(dá)到相對完美的處理效果，而且這個效果不具有重復(fù)性，連貫鏡頭中，下一個鏡頭稍微小的調(diào)整或修改，前一版中的理想效果就會消失。而利用一個針對某問題而設(shè)計的反饋型AI，發(fā)揮計算機(jī)的高速運(yùn)算能力，可能很快找到優(yōu)化解，然后重復(fù)這個優(yōu)解標(biāo)準(zhǔn)答案即可。

五、AI人工智能技術(shù)在影視制作中的應(yīng)用

1.常規(guī)技術(shù)制作完成還僅僅是能夠做到角色替換的可能性，里可以亂真的質(zhì)量要求還有很大一段距離。以往的技術(shù)手段只有很資深的制作經(jīng)驗，并且擁有全流程的制作團(tuán)隊才能夠完成。而AI換臉技術(shù)已經(jīng)將技術(shù)門檻降低到極低的要求，然而即使這樣，普通人同樣可以做到幾乎亂真的效果。很多視頻網(wǎng)站都有過不少民間愛好者制作的視頻作品，都有著不錯的效果。

2.畫面破壞性小，融合度高，臺詞配音等完全匹配。對于特效制作，尤其是要求真實性的特效制作最希望的就是對真實采樣的素材以最大的保護(hù)。原始拍攝素材由于種種原因，比如光線、媒介、環(huán)境、演員狀態(tài)等一系列原因以給予觀眾最大的真實感。而這對特效而言都是挑戰(zhàn)，需要考慮到創(chuàng)造真實感的所有因素在成本允許的范圍內(nèi)取舍，才能降低不融合的違和感。而基于人工神經(jīng)網(wǎng)絡(luò)的AI技術(shù)，就是包含這種性質(zhì)的技術(shù)，就和微創(chuàng)手術(shù)一樣，定點準(zhǔn)確，保留了原始拍攝時的各種條件，這是在制作真實可信的特效效果時的一種優(yōu)先考慮方案。

3.增加和去除同樣有效。傳統(tǒng)技術(shù)對于遮擋和剔除某些技術(shù)穿幫和增加特殊效果是分開對待的。前者去掉鋼絲和場景物品屬于后期工作。而增加模型和特效就屬于三維和后期兩部門配合工作。從難度上后者比前者更加麻煩。而對于AI技術(shù)來講，增加和去除都屬于差異處理，只要告訴其差異點，它會自動補(bǔ)全或去除異同。類似鋼絲，污漬，換標(biāo)簽，增加去除馬賽克。這些在傳統(tǒng)影視制作中量大耗時和耗精力的鏡頭，現(xiàn)在都可以嘗試用AI方式解決。

六、AI人工智能技術(shù)在未來影視中的發(fā)展：

簡單說一下在特效制作領(lǐng)域的應(yīng)用，比如可以衍生出文替身或?qū)ｉL替身，類似于傳統(tǒng)的武行做得武替身一樣，有表演能力的或某方專長的人來演繹，比如表演需要，可以請專業(yè)滑冰運(yùn)動員來表演花滑，之后再換成相應(yīng)的演員臉部替換。同樣的傳統(tǒng)武替身也不用刻意擋臉，可以正常表演，之后再換。

其他應(yīng)用方法，比如可以制作同一演員的年代戲，可以通過替換技術(shù)，直接拿歷史拍攝資料，替代制作不同時代的人物風(fēng)貌。

替換劣跡演員，可能一部戲花了大投資，臨上線爆出了參演演員的劣跡，以至于所有投資打水漂，現(xiàn)如今可以替換掉問題演員，保證影片可以正常上線。

完全的實景替換，換臉只是AI小規(guī)模的試水。畢竟從難度上手機(jī)APP也已經(jīng)可以處理簡單視頻。未來目標(biāo)是實現(xiàn)大型場景的全替代。例如現(xiàn)在已經(jīng)可以模擬自然環(huán)境下白天轉(zhuǎn)黑夜的效果，只需要準(zhǔn)備一堆黑夜的數(shù)據(jù)以及對應(yīng)的一堆白天的數(shù)據(jù)，很多組這樣的圖像，就可以利用電腦AI訓(xùn)練出較好效果的黑夜白天轉(zhuǎn)換鏡頭，實景夜戲拍攝就可以完全放在白天拍攝。

七、結(jié)束語

綜上所述，可以看到AI人工智能技術(shù)不斷創(chuàng)新的今天，其在傳統(tǒng)影視制作中所能發(fā)揮的作用，已經(jīng)逐漸超越了后期制作的限制，在可以預(yù)見的未來，它將會越來越多的影響整個影視行業(yè)，甚至是整個影片拍攝的方式和流程都會發(fā)生改變。它的價值不僅僅是簡單的經(jīng)濟(jì)層面，更可能是對未來行業(yè)生態(tài)的一種改變或沖擊。科技在發(fā)展，技術(shù)在進(jìn)步。我們與其排斥AI技術(shù)革新帶來的行業(yè)陣痛，不如擁抱技術(shù)，擁抱創(chuàng)新，將技術(shù)的發(fā)展與傳統(tǒng)的行業(yè)相結(jié)合，創(chuàng)造更多的機(jī)會與機(jī)遇。

參考文獻(xiàn)：

[1]《人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用》科學(xué)出版社2006年3月.

作者簡介：

葛雯婷（1986-）女，漢，籍貫：浙江建德，大專，研究方向：AI技術(shù)再影視特效中的應(yīng)用。