衡宇 發自 凹非寺
量子位 | 公衆号 QbitAI
注意看，這個機器人對抗人類的視訊，在網上徹底火了。
那叫一個拳拳到肉，刺激程度引得圍觀群衆大呼鵝妹子嘤。
好消息是，這個機器人并非真實存在。
但另一個不知道是好還是壞的消息是，這樣的特效，是AI一鍵合成的。
就是說，從左邊這樣的人類實拍，到右邊這樣的特效畫面，人類需要做的，隻是用滑鼠把模型拖到畫面裡。
這個AI神器，名叫Wonder Studio AI。
剛發宣傳片時，就曾引發wo cao聲一片。
現在内測名額開始發放，網友們上手一玩，更是停不下來，直接在社交媒體上刷了屏。
比如随手來一段比波士頓動力還動感流暢的男團熱舞。
或者在自個兒屋裡來段freestyle。
↑↑↑這個作品的作者還透露，這是一個原本需要三天完成的視覺特效鏡頭，現在隻需要1分鐘。
也難怪網友們坐不住了。
無需動捕裝置，一鍵生成CG動畫
有關Wonder Studio，官方的說法是，“一種可自動為CG角色制作動畫、打光，并将其合成到真實場景中的AI工具”。
按照官網說明，對于使用者來說，在CG動畫制作階段，你不再需要複雜的3D軟體，也不需要昂貴的動捕硬體。
隻需一台用來拍攝的相機，拍好視訊後丢進Wonder Studio處理，就足以以假亂真。
具體步驟是這樣的：
首先用相機拍攝一段視訊，視訊中，真人演員可以随意做出任何動作；
将MP4或MOV等格式的視訊導入Wonder Studio，并標明需要處理的視訊段落，拖入中間區域等待處理；
點選菜單欄的next按鈕，AI開始識别和分析視訊中的人物；
選中右側選項欄中所需要的CG模型，拖拽至需要替換的人物區域；
這時候會跳出一個小框，能夠根據需要調整HDR打光、畫質清晰度、視訊格式等。
最後，選擇解算生成，就能完成視訊段落中CG模型對真人演員的替換。
對于專業人士來說，除了最終成品，Wonder Studio還能導出新視訊的不同軌道，包括動作捕捉、錄影機跟蹤和空鏡等等。
面對需要修改的細節，也可以直接上手微調。
傳統的CG制作流程，需要移除原有人物、把需要替換的CG元素導入引擎或Blender等軟體當中、根據相機解算結果進行合成、比對燈光、渲染……最終把新的CG模型放到視訊場景中。
比較而言，用上Wonder Studio後簡化了很多工序，也難怪很多人評論，如果這個工作流跑通，是十分利好小成本影視制作的。
不過，Wonder Studio并非十全十美。
主要展現在CG模型覆寫原人物後，CG角色和背景銜接處處理不算優秀。
比如會出現美顔瘦臉特效開太大，以至于臉部周圍背景扭曲的情況：
而且，CG模型的邊緣像素會被拉伸，原人物的衣物等不能做到100%消除和被覆寫：
開頭展示的爆火視訊中，其實也有不少穿幫鏡頭。
是以，雖然效果強大操作簡單，目前而言，Wonder Studio還是不能單獨放到實際項目中使用，否則一眼驚豔，再看露餡。
但其展示的潛能，已經得到内測網友的蓋章肯定。
有内測網友回報，在他的幾次測試中，Wonder Studio能夠自動化80%的視覺特效工作。
它仍存在一些困難的領域，但它提供的價值主張是，隻需要付出很少的努力就能做出相當不錯的東西。
而且這隻是開始！它還會變得更好！
《頭号玩家》男主創業項目
有意思的不止是産品，Wonder Studio背後的公司，也頗有故事。
它的出品方是一家名叫Wonder Dynamics的AI初創公司，緻力于通過AI提高電影制作的效率和品質。
截至目前，公司在種子輪和A輪一共募集了1150萬美元融資。
Wonder Studio是他們籌備3年後，推出的一款基于AI的線上視訊特效處理平台。
公司已經表示，Wonder Studio後續還将繼續簡化動作捕捉和渲染環節，繼續提高制作效率。而且在公司的設想中，創作者在将來還能在系統自由上傳自己的3D模型。
再來看公司創始團隊，不少人是熟面孔。
比如世界聞名的導演斯皮爾伯格，就是這家公司的顧問。
而公司創始人之一，是《頭号玩家》男主演泰爾·謝裡丹。
（不知道是說男主“幹一行愛一行”好呢，還是說他“積極緻力于用AI搶自己飯碗”好，
）
還有消息稱，美國導演組合羅素兄弟正在拍攝的一部電影中，Wonder Studio已經參與了部分制作環節。電影主角是《怪奇物語》主演Millie Bobby Brown和《銀河護衛隊》中星爵的扮演者Chris Pratt，電影将上線Netflix。
期待電影之前，更值得關注的一點是，最近這段時間，AI力量對視覺領域瘋狂下手了。
這就不得不提到近日在科技圈瘋狂刷屏的Meta大殺器，Segment Anything Model （SAM）。
該模型驚豔世人的能力，就是能夠識别和分離圖像及視訊中的特定對象。使用SAM，使用者可以通過單擊或輸入文字，來選中需要編輯的任何物體。
Meta在介紹SAM時寫道：
SAM 已經學會了關于物體的一般概念，并且，它還可以為任何圖像，或視訊中的任何物體生成msak，包括訓練集中不包含的類型。
SAM足夠通用，且在新的圖像領域無需額外訓練，達到即開即用。
這種零樣本遷移的能力，正是GPT-4能力驚人的重要原因之一。是以，國内外不少媒體稱SAM的釋出為CV領域的ChatGPT時刻。
目前，SAM已經開源，并進一步提供了其10億掩碼資料集的完整細節，
Meta官方的說法是，随着技術發展，SAM可以成為AR、VR等更通用系統的強大元件。
聯想到今天介紹的Wonder Studio，接入SAM能力後，對原有人類圖像的分割，是不是就不再會出現裙角被遺漏的情況了？
内測申請位址：
https://docs.google.com/forms/d/e/1FAIpQLSdLY3_MQuMEqBy-MZCyXHoPe2YK5BUiSQecjCt0eLUQCux4qA/viewform
參考連結：
[1]https://twitter.com/shota7180/status/1644815889576128512
[2]https://twitter.com/wonderdynamics/status/1644376317595615233?s=46&t=HBob6gxh8cOfZTIbieKeSA
— 完 —
量子位 QbitAI · 頭條号簽約
關注我們，第一時間獲知前沿科技動态