三十六亿的《哪吒》历时五年，动画创作难如何解决？

港控/mmm° 2021-10-29 18:04 684阅读 0赞

点击蓝色“五分钟学算法”关注我哟

加个“星标”，天天中午 12:15，一起学算法

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg]

作者 | 神经小姐姐

来源 | 超神经HyperAI（ID：HyperAI）

哪吒又双叒叕破纪录了！

电影《哪吒之魔童降世》自 7 月 26 日上映以来，一直在刷新动画电影的票房纪录。截止目前，19 天里全网票房突破 **36** **亿，**观影人数超过 **1 亿！**成为了首部观影人数破亿的动画电影。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 1]

**哪吒之前，国内的动画电影票房最高记录是 15 亿**

在票房疯长的背后，它在豆瓣的评分也维持在 **8.6 分，**不少人开始感慨：中国动画的里程碑来了。

这样一部改编自神话故事的电影，凭什么像国漫界的一匹黑马，收获如此高的票房呢？

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 2]

**我哪吒是靠颜值收获的这么一大波粉丝吗**

除了颠覆的人物设置，全新的故事设定，为观众带来惊喜之外，**精致的视觉效果，**更是《哪吒》如此炸裂的关键。这些酷炫的视觉效果，让一个又丧又皮的「魔化」哪吒，成了这个夏天最「靓」的仔。

**险些让哪吒难产的动画制作**

观众被这个最「靓」的仔深深吸引之时，不会想到，他曾险些遭遇难产。

每部爆款电影的背后，都离不开主创团队的细心打磨，而繁琐的程序，往往让制作时间拉得很长，甚至会有作品熬不下去，中途夭折。

《哪吒》的制作过程也同样不易，但所幸，历时**五年**之久，最终总算是被「死磕」出来了。

这部时长 110 分钟的动画电影，共经历了 **66 次**剧本修改，有 **20** 多个专业外包团队，**1600** 多位动画制作人员参与制作，全片共有 **1400** 多个特效镜头。

![640?wx\_fmt=gif][640_wx_fmt_gif]

**电影里万龙甲由来片段**

由此可见，一部优秀的动画，注定是一项浩大的工程。不少从业人员都吐槽过，动画制作完全是个**「苦力活」。**在导演的采访资料里，也爆出了因工作繁重，外包团队离职率陡增的情形。

大量人物形象制作，分镜动画绘制，以及特效的制作，都是费时耗力的过程。短短十几秒画面，可能就需要几个团队几个月的努力。

![640?wx\_fmt=gif][640_wx_fmt_gif 1]

**丑萌的哪吒魔化后帅炸**

尽管团队投入大量精力，**但仍然有很多问题不是能仅靠死磕就可以解决的。**比如片中灵珠和魔丸结合时，导演本想营造时光倒退，万物归一的视觉效果。但该镜头在经过几个月的尝试后，终因达不到预期而被舍弃。

类似这样的制作难题，是限制动画发展的一大因素。倘若制作流程能够更加高效，或许就会涌现更多的优质电影。而这个方面，**人工智能技术能给动画行业带来新的契机。**

**解放原画师：AI 线稿上色**

动画的制作过程中，基本的环节就是完成画稿的绘制，而对这些画稿完成上色，则是一项浩大的工程。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 3]

**值得一提的是，哪吒的形象前后设计了 100 多个版本**

对于普通的 12 帧率动画，按 25 分钟计算，需要 18000 张图画。对于一个 10 人的团队来说，约需要 **2 个月**才能完成。

但基于 AI 的工具，效率会得到极大的提升。比如当下最优秀的技术，完成一集动画仅需 **2.5 小时，**效率提升达到了 **2000 倍**之多。

最近在 GitHub 上星数过万的 **Style2paints ，**就是这样一个充满魔力的绘制工具。通过它，制作人员能够快速完成复杂的上色流程。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 4]

**有四个步骤：从线稿开始，右上角上平面颜色**

**左下角加入有梯度的颜色，右下角加入阴影**

Style2paints 由苏州大学和香港中文大学的研究者共同打造，最新版本已升级到 V4。它也被评为最好的线稿上色 AI 工具。

Style2paints 基于**无监督的深度学习，**通过**风格迁移**和 **GAN 技术**，将线稿原画变成饱满的彩色图画。

整个过程分为两个阶段，第一阶段将草图渲染为粗略的彩色图画。为完善画面，第二阶段会识别其错误并进行细化，以获得最终结果。

而使用起来也很简单，只需画师完成线稿，然后通过鼠标点击，就能得到饱满的彩色画稿。对于要求高的画师，可能还需要些许的微调。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 5]

**GitHub 上的操作指南**

**解放动画师：神经网络自动补帧**

动画电影的制作中，有关键帧和中间帧之分，中间帧是串在两个关键帧之间的画面，起到衔接和让画面流畅的作用，但其制作却是动画中耗时严重的过程。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 6]

**深色的三个动作是关键帧，浅色的是中间帧**

如果给出一段视频的相邻的关键帧，让 AI 去补充出中间的画面，工作量就会大大减少。

谷歌 AI 前段时间公布的生成模型，就是按照这个思路，在一定程度上解决了问题。

![640?wx\_fmt=png][640_wx_fmt_png]

**模型示意图**

他们发布的这套 AI 系统，包含一个**完全卷积模型****，****由 2D 卷积图像解码器，3D 卷积潜在表示生成器，和视频生成器组成。**

通过将图像解码，除了将输入视频信息解码，还将目标视频的信息映射到潜在空间。而潜在表示生成器将两种信息合并，最后由视频生成器解码达到预测的中间帧。

AI 生成的视频帧序列，在风格上与给定的起始帧和结束帧保持一致，而且整体看起来很顺滑。令人惊喜的是，此方法可以较长的时间段内实现视频生成。

![640?wx\_fmt=gif][640_wx_fmt_gif 2]

**使用 Kinetics 数据集从静态图像创建出的视频**

在他们的研究中，一些视频的生产效果喜人，但也有一些复杂的视频，出现了奇怪的画面，仍待改进。

**解放导演：文本生成动画**

当然最惊喜的功能，也许要数 AI 直接从剧本生成动画。那些无法做出来的场景效果， 也许在 AI 手中，会得到解答。

在前段时间，迪士尼和罗格斯大学的科学家发表了一篇论文，介绍了一款用文本描述生成动画场景的 AI 模型。

![640?wx\_fmt=png][640_wx_fmt_png 1]

要让 AI 实现从文本到视频的生成，需要其「理解」文本，然后生成对应的动画。为此他们采用了多个模块组件的神经网络。

这个模型包含三个部分，一是**脚本解析模块**，自动将剧本文本中的场景解析出来，然后是**自然语言处理模块**，能够提取出主要描述句子，并提炼出动作表示，最后是一个**生成模块**，将动作指令转化成动画序列。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 7]

**模型的流程示意**

研究人员，从可自由获取的电影剧本中，搜集了上千个剧本，从中选取了其中的 **996 个**，编写了场景描述语料库。

这个语料库由 **525,708 个**描述组成，包含 1,402,864 个句子，其中 920,817 个包含有至少一个动作。

建立起描述和视频的映射，从而通过输入剧本，能够生成简单的动画片段。在测试实验中，生成动画的**合理性为 68%。**

虽然该系统还依赖于语料库，不能百分百完成文本到视频的生成，但在动画制作上带来了新的方向。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 8]

**迪士尼还研究过自动生成与语音相匹配的动画口型**

**AI 颠覆动画的路还有多远**

《哪吒》的火爆，让人们再次注意到了动画电影的潜力，而这部打破传统的电影，还在向着它的新纪录奔去。

虽然说 AI 技术在动画制作上有了一些良好的尝试，但这些技术只有更趋完善和成熟，才能真正被电影制作人所利用。

期待未来技术的发展，让我们不需要等待漫长的五年，就能看到更多《哪吒》这样的经典之作。

![640?wx\_fmt=gif][640_wx_fmt_gif 3]

--------------------

**本文相关阅读推荐：**

[毕业十年后，我忍不住出了一份程序员的高考试卷][Link 1]

[一道腾讯面试题：厉害了我的杯][Link 2]

[十大经典排序算法动画与解析，看我就够了][Link 3]

[这或许是东半球分析十大排序算法最好的一篇文章][Link 4]

[面试官，我会写二分查找法！对，没有 bug 的那种！][bug]

[看《长安十二时辰》可以了解哪些算法知识][Link 5]

GitHub 标星 3w+，很全面的算法和数据结构知识

![640?wx\_fmt=png][640_wx_fmt_png 2]

[640_wx_fmt_jpeg]: /images/20211029/b5a8c044ca764d17b7e3cee7a94ffaab.png
[640_wx_fmt_jpeg 1]: /images/20211029/bda93b3d778f4da28ee4cf84a0583a0d.png
[640_wx_fmt_jpeg 2]: /images/20211029/de9e3d1792244d27b151451b24324dd2.png
[640_wx_fmt_gif]: /images/20211029/61365b8e95514d3086f9857715e21a30.png
[640_wx_fmt_gif 1]: /images/20211029/20a2c8f997224b8dbd34a73cb3a7d932.png
[640_wx_fmt_jpeg 3]: /images/20211029/4047228c9a1b4a468959859e27b78821.png
[640_wx_fmt_jpeg 4]: /images/20211029/0e8d95ccedeb4844a7394dc367690810.png
[640_wx_fmt_jpeg 5]: /images/20211029/b0420af0b64840b191472aa9e574cb8f.png
[640_wx_fmt_jpeg 6]: /images/20211029/aa38dd5a46af45c7b0e1b4bfe1460ea5.png
[640_wx_fmt_png]: /images/20211029/5b2cc9b1736c46e4bb71c79c95cb99c4.png
[640_wx_fmt_gif 2]: /images/20211029/00028b4884194a9cbc8188f4ddab0e5e.png
[640_wx_fmt_png 1]: /images/20211029/13bf470a4a74413f8ce3fc7d4c9d7b42.png
[640_wx_fmt_jpeg 7]: /images/20211029/07c43267682844d9965a8d93a910e04f.png
[640_wx_fmt_jpeg 8]: /images/20211029/f7a970cf0d1d4b78af01c17237df8be2.png
[640_wx_fmt_gif 3]: /images/20211029/ff85f9dfaa80497e875e309caa2ad835.png
[Link 1]: https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/91488249
[Link 2]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247484557&idx=1&sn=739d80488fe1169a9c9ca26ecfcdfba6&chksm=fa0e6b0ccd79e21a1c2b0d99db69f6206cddddfe2367742e9de1d7d17ec35a5ce29fa4e30d63&scene=21#wechat_redirect
[Link 3]: https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/87910210
[Link 4]: https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/92825279
[bug]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247485240&idx=1&sn=fbccc747b2e8558c6478171709005ff9&chksm=fa0e68b9cd79e1af5ab68d42adea0b24c7d4867069091df9e95b6f20ab57b69c4e38994a36be&scene=21#wechat_redirect
[Link 5]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247485904&idx=1&sn=0eae783ce1b7c0383f41d76a269f511e&chksm=fa0e6651cd79ef47d31a0dba6909873974a964e81654cf702e3868da51fa9a695e7b9a383c1a&scene=21#wechat_redirect
[640_wx_fmt_png 2]: /images/20211029/5097798994ef41b8a1e9b9290b4f1d05.png