相芯科技观察 ：一文读懂《阿丽塔》背后的CG技术

　　什么是CG技术?

　　以前，人们或许会说是“Avatar”;如今，人们也许会改口说是“Alita”了。

　　但不论是Avatar还是Alita，都只是CG技术的一种呈现。关于CG(Computer Graphics)，如果简单来理解地话，其实就是通过计算机把虚拟世界在屏幕中展现出来的过程。

　　至于如果建造虚拟世界，我们就要先来看一个方程式：

　　看得懂的人，请给自己点个赞;看不懂的人，也没关系。因为只要换张图，你们也都懂了。

　　这个与初中物理“光的折射”看着很神似的图，就包含了CG技术的万千世界。

　　从现实到虚拟

　　建设一个虚拟世界，需要一个参照系，也就是真实世界。比如，现实中的皮球是圆形的，那虚拟世界中的皮球也应该是圆形的，而不是方形的。

　　但形状只是其中之一，现实中，物体的呈现还与环境光息息相关。不同的光打到同一物体上，人眼看到的物体形状可能就是不一样的。

　　将虚拟世界中的人、物体等，在计算机中建造出来的过程，就是CG技术的第一个重点——建模。

　　建模，说起来也简单，跟米开朗基罗雕大卫像差不多。不同的是，整个过程被放在了计算机中进行，而雕琢具体模型时，人需要通过计算机去一点一点地调。

　　要想让虚拟物体更接近真实物体，就需要有更多的原始素材。一开始，建模师是用一组相机全方位地拍物体，尽可能地了解光照下物体的各种细节，包括纹理、凹凸、几何形状等。

　　物体尚且如此，更不用说人了。以阿丽塔为例，仅脸部就包含肌肤纹理、肌肤表层、汗毛、油脂、头发等数不清的细节。这些单靠相机拍照去收集数据，可谓难上加难。一方面，因为相机本身的性能(分辨率、清晰度等)还有待提升，另一方面，相机只能收集二维数据，而重建人，需要更多三维数据。

　　于是乎，我们会发现，早期的电影CG特效中，“人”一看就是假的。

　　(电影史上第一个电脑生成的角色“彩色玻璃人”)

　　既然问题很明确，那就要解决呗。于是，三维扫描技术诞生了。依托三维扫描，人的各类信息可以被更好地获取，建模的第一道坎算是跨过去了。

　　不过，这时候建好的模型还是白模——完全不带纹理、汗毛、油脂等细节一个模型。有人是不是要说，这辛苦了半天，啥进展也没有啊?

　　别急，接下来就是CG技术的第二个重点——渲染，露脸了。渲染，就是求解上述方程式的过程。这与现实中的画画差不多，就是把人脸的各种细节给画上去。不同的是，画画是可以写意的，但渲染是要写实的。

　　细到一个毛孔不像，模型也只是模型，跟“真人”半毛钱关系也没有。这也是为什么阿丽塔会如此受大众欢迎，因为她突破了“恐怖谷效应”，成为了影史上第一个CGI 与真人结合的类人角色。

　　但渲染的水，其实很深。光线不同，人呈现出来的信息就不同;拍摄的角度不同，人呈现出来的信息也会不同;人在剧烈运动中，所呈现出来的信息和静止时也会不同……而要把这些不同全部综合起来，就需要靠算法。

　　目前来看，算法越先进，模型与真人也越像。不过，前提是收集到的信息足够多且是准确的，如果信息不准确，那结果可能就是相反的。

　　从虚拟到现实

　　真人模型建好了，也渲染好了，接下来就是CG技术第三个重点——动画，登场了。

　　说来也神奇，相比建模与渲染，动画反而是最早被大众所熟悉的。这，大概就要归功于我们从小耳濡目染的动画片了。不过，当时的动画其实是二维的，由原画师一帧一帧地画出来并组合到一起而成的。

　　虽然现在也有了三维动画，但与真人动画仍是不可比拟的。其中，一个最大的不同点就来源于动作捕捉设备。真人动画，是由真人穿上动作捕捉设备进行表演，并由设备设置不同的特征点，实时记录人动作的相关数据。

　　同时，现场还会有一组摄像机拍摄下真人表演的不同角度，记录各种细节。最后将所有信息都上传至计算机，借助编程或动画制作软件来生成一系列人物动画。

　　上面也谈到，模型与真人越像的前提是收集到的信息越多、越准确。这也意味着，动捕设备必须完全贴合人的形体，并精准地捕捉到人的所有动作细节。被CG技术掩盖了很久的硬件设备，终于C位出道了。

　　动捕设备的出现，极大充实了CG人物动作库，为电影拍摄需要大量人物出现的宏大场景，节省了巨大成本。且随着这一设备不断普及和升级，相应的数据量也呈几何倍增长，为建模、渲染的进一步优化打下了更为扎实的基础。

　　但这些在人脸面前，则显得稍微有点小儿科。人脸的微表情实在太多，比如皱眉一个动作，就牵扯到眉毛、眼睛、鼻子、嘴巴、面部，乃至毛孔、肌肤纹理等等。这次，《阿丽塔》对人脸面部细节的精准捕捉、重建和展现，就极大刷新了人们对CG技术极限的认知。

　　当然，这也要归根于表演捕捉设备的不断升级，达到了人眼识别的界限，让3D模型真的像真人了。不过，这个像是有限度的，它除了受表演捕捉设备本身的影响外，还受到拍摄设备、演员表现等影响，更重要的是，还受到算法的影响。

　　算法的好坏，直接影响到计算力的好坏，影响到呈现出来画面的精准度，也影响着动画环节的连贯性。从这个层面来说，算法决定了一个虚拟人物的成败，更进一步说，可能也决定了一部电影的成败。

　　从现实到镜像

　　算法与设备，是一母同胞。

　　早期，算法的落地大多是依托于CPU实现的。一台电脑，大多也只有一个CPU。不过，随着CG技术不断被应用落地，采集的数据量也越来越大，要呈现出好的动画效果，单靠CPU已显得有点捉襟见肘了。

　　比如在《阿丽塔》中，要呈现一帧动画，平均就需要花费100个小时来渲染。而整部电影下来，总计需要花费4.32亿小时来进行渲染。这需要动用到最少3万台电脑。可以说，每一帧动画都在疯狂地烧钱，即便是在工业级操作已经很溜的好莱坞，也是很难承受的。

　　但卡梅隆已经将人们的审美拉到了这个高度，想要再下来，怕也是很难了。于是乎，GPU就隆重登场了。这个专门负责图形处理的显卡，曾因实时相应慢、稳定性不够等原因，不被重视了很长一段时间。不过，随着虚拟世界与现实世界日益交融，GPU因运算速度快、计算能力强等特点，一跃成为了虚拟世界的“主角”。

　　(图片源自网络)

　　2017年，中国造出了世界首台超越早期经典计算机的单光子量子计算机。2018年，英伟达发布了全球首款支持8K屏、实时光线追踪的GPU。同年，一款拥有16颗Volta GPU、可提供高达2PFLOPS的深度学习计算能力的超级计算机也正式问世。

　　这些于电影界乃至普通大众而言，无疑都是重大利好。量子计算机极大代表运算能力的提升，可减少渲染环节的计算机数量;8K屏代表信息收集将更加精准，数据的获取将更高效;实时光线追踪代表渲染可以耗时更短，超级计算机代表制作团队可大量缩减。当技术的壁垒被一层一层攻克，CG技术也迎来了第四个重点——人机交互。

　　“阿丽塔”，正在走下影坛，走向普罗大众。近年来，从首个AI虚拟主播绊爱到首个AI合成主播“邱浩”，再到今年央视春晚的虚拟主持人团队、今年春节期间首次亮相的拜年“猪猪”，CG技术开始渐渐褪去“工业级”的面纱，显露出“民用级”的真身。

　　目前，在工业级CG制作团队之外，市场上已有了多家主打民用级CG技术的团队。比如旨在为用户打造PAI(个性化人工智能，即Personal AI)的人工智能初创公司ObEN，比如旨在让每个人都拥有实时互动、智能、个性化的3D技术内容提供商FaceUnity(杭州相芯科技有限公司)……它们的出现，让CG技术从大屏走向了小屏，为人机互动创造出更多的应用场景。

　　《失控》作者凯文·凯利曾说，在网络、社交媒体之后，我们正处于第三个平台——镜像世界的黎明，这个平台将使世界其他的地方数字化。而在镜像世界里，每样东西都会有一个“孪生兄弟”，也就是“数字双胞胎”。

　　尽管这个世界短期之内或许不会马上来到，但虚拟世界与现实世界的交融脚步却不会停止，人们建造虚拟世界的热情也不会停止。

　　阿丽塔之外，更多的阿丽塔正在大步走来。