Move.ai可以利用AI,在稱為運動捕獲(motion capture)的過程中捕獲演員的3D動態展示。它使遊戲公司可以在大流行期間以遠程方式進行動作捕捉。
這是一項重要的技術進步,因為運動捕捉系統本身缺陷造成的麻煩,已導致電影製作人和視頻遊戲公司的生產停滯。Move.ai希望通過「無標記」(markerless)動作捕捉來解決此問題,從而降低成本和處理上的繁瑣過程。
該技術的靈感來源來自倫敦的一家公司,該公司之前都是捕獲體育運動員的圖像,然後將其轉換為數字動畫對象。但是隨著體育賽事按下暫停鍵,新冠大流行使該公司的這一業務陷入困境。
幸運的是,遊戲需要更好的真實感,才能讓玩家完全沉浸在這種替代現實中,並參與其中,這意味著他們需要動作捕捉。
而如今隨著機器學習和深度學習算法特效製作環節的應用,電影拍攝和特效處理的自動化操作比例大幅增加,在提高效率的同時,特效的藝術性也有了更好的保證。「AI+特效」具體涉及動作捕捉、虛擬角色構建、模擬動力學和自然現象等等多種應用場景,已經有了豐富的應用。
捕獲人像
Move.ai可以將iPhone或三星Galaxy手機上錄製的人的2D視頻轉化為3D化身。傳統的開發者創造引人入勝的圖形,要麼是通過人類藝術家的一番艱辛創作,要麼是通過複雜的動作捕捉系統來實現。對比而言,Move.ai的方案簡直不要簡易太多。
在大流行之前,一流的遊戲開發人員不得不租用那些帶有大量攝像機的動作捕捉工作室,才能保證完美捕捉演員在舞臺上的動作,並最終將這些圖像合成為他們的3D展示。攝像頭可以檢測到緊身衣上的白色標記,不過這種情況下演員的工作很辛苦,動作捕捉的舞臺和系統也很昂貴,而且必須被綠幕包圍,才能確保人物的邊緣很容易被辨別出來。
但這樣的方案的確派上了用場。演員的表現被捕捉下來,呈現為流暢的運動,使動畫師更容易根據捕捉到的圖像創建遊戲角色。這些遊戲角色移動流暢,讓玩家充分沉浸在更加真實的遊戲畫面之中。
大流行的影響
但在大流行期間,許多工作室已經關閉。他們無法安全地進行動作捕捉。於是人們利用AI開發出了一種叫做「無標記動作捕捉」(markerless motion capture)的解決方案,它可以用視頻捕捉一個人的自然動作,並用更少的設備創建一個完整的表演。
最重要的是,沒有必要穿帶有白球的緊身衣。這意味著演員們可以更好地表演,而且不會筋疲力盡。傳統的身體捕捉套裝沒有全方位的動作,如果你想要模擬戰鬥或武術場景,那就不妙了。
此時此刻,你可能會想到微軟Xbox 360遊戲機上的Kinect攝像頭技術,用於像Dance Central這樣的遊戲。但Kinect沒有捕捉到足夠多的數據,它沒有最好的人工智慧,在硬體上也沒有足夠的處理能力。
Move.ai表示,人工智慧就像一個成熟版的Kinect,可以捕獲一個人的100,000個數據點,而以往通過標記的方式一般只能捕獲10-15個數據點。而且他們表示,他們的方法比傳統的動作捕捉成本更低。
Endemano說:「我們相信我們可以將這種能力大眾化,並將其賦予每個人進行利用和創作,從做用戶生成內容的有影響力的人,到製作大型遊戲的aaa級遊戲開發者。」
Move.ai使用計算機視覺和人工智慧軟體檢查標準攝像機的視頻,以創建動畫特效表現。這個演員不受阻礙,不受拘束,所以表演得更好。例如,他們可以穿任何他們想穿的鞋子,這樣他們的步態就不會受到特殊鞋子的影響。
Endemano還表示:「當然,把它傳遞給動畫師和創作者更容易。」「我們捕捉動作,並將其投射到遊戲角色上。」
這個過程現在大部分是自動化的,所以輸出可以直接進入遊戲引擎或3D美術軟體,如Maya。Endemano說:「結果是你可以更快地得到更高質量的結果。」「你根本不需要工作室。你可以在公園裡完成這些操作和過程。」
技術起源
這項技術是由Move.ai的創始人和首席技術官蒂諾·米勒(Tino Millar)開發的。他在倫敦帝國理工學院(Imperial College)期間從事這項技術工作,並為此獲得了多項專利。他的博士學位還剩幾個月,但他決定辭職去公司工作。他覺得用攝像機來跟蹤自己的運動很有趣。
米勒說:「我們不再談論俄羅斯方塊和太空入侵者了。」「遊戲需要角色從不同的方向和角度完全沉浸其中。這帶來了許多挑戰。例如,如果你在玩《刺客信條》或《戰神》,你就需要從很多不同角度來製作角色動畫。」
他補充說,「我們已經把這個給動畫導演看了,他們說它很震撼。」
對於一個只有12個人,天使投資不到200萬美元的公司來說,這是相當令人興奮的事情。但該公司已經開始與客戶籤約。
不過接下來還有重重的挑戰在等著Move.ai。人工智慧將涉足大型遊戲工作室,這些工作室可能在開發同樣的技術,也可能沒有。Move.ai倒是看到了其他潛在的應用和機會——這項技術可以應用於體積動畫和虛擬廣告。電影和遊戲導演也可以使用這種技術來預先可視化場景和故事板,因為使用數據成本不高。
米勒說:「我在大學裡待了很多年,我們已經訓練了一個機器學習模型,以便在3D中理解人的真實形態。」「我們已經通過掃描積累了大量的3D圖形,然後我們從攝像機中給它不同的視角,然後我們訓練它能夠從那裡開始。」我們希望攝像頭能夠重現人體的3D模型。」
「作為人類,我們可以環顧四周,如果你閉上一隻眼睛,你仍然可以分辨出物體是3D的。從技術上講,你需要兩隻眼睛或攝像頭來理解3D中的一些東西。但由於我們的大腦,我們已經看到了如此多的3D物體,以至於我們現在閉上眼睛就能非常有效地確定3D物體的形態。」
有一些競爭對手已經採取了行動。人工智慧必須擊敗對手才能獲得電子遊戲客戶。幸運的是,我們周圍有很多這樣的客戶。
Endemano和Millar對這項技術在程式設計師和美工之外的人手中的潛力感到興奮。更多的人可以利用這項技術來製作遊戲,因為它簡化了整個過程。
米勒說:「人們可以在自己家裡創造出最非凡的東西。」「這種力量不應該被低估。」
編譯/前瞻經濟學人APP資訊組
原文來源:https://venturebeat.com/2020/08/27/move-ai-enables-motion-capture-without-the-hassle-for-video-game-production/