三十六億票房的《哪吒》，如何利用 AI 成為國漫界的黑馬？

作者 | 神經小姐姐

本文經授權轉載自HyperAI超神經（ID：HyperAI）

《哪吒之魔童降世》自 7 月 26 日上映以來，好評如潮，票房一路高歌猛進，目前已突破 36 億。這款火爆的動畫背後，是主創團隊歷時 5 年的細緻打磨。而這漫長的製作過程中，人工智慧技術在其中助推多個環節的進展，讓《哪吒》更早地呈現在我們眼前。

哪吒又雙叒叕破紀錄了！

電影《哪吒之魔童降世》自 7 月 26 日上映以來，一直在刷新動畫電影的票房紀錄。截止目前，19 天里全網票房突破 36 億，觀影人數超過 1 億！成為了首部觀影人數破億的動畫電影。

哪吒之前，國內的動畫電影票房最高記錄是 15 億

在票房瘋長的背後，它在豆瓣的評分也維持在 8.6 分，不少人開始感慨：中國動畫的里程碑來了。

這樣一部改編自神話故事的電影，憑什麼像國漫界的一匹黑馬，收穫如此高的票房呢？

我哪吒是靠顏值收穫的這麼一大波粉絲嗎

除了顛覆的人物設置，全新的故事設定，為觀眾帶來驚喜之外，精緻的視覺效果，更是《哪吒》如此炸裂的關鍵。這些酷炫的視覺效果，讓一個又喪又皮的「魔化」哪吒，成了這個夏天最「靚」的仔。

險些讓哪吒難產的動畫製作

觀眾被這個最「靚」的仔深深吸引之時，不會想到，他曾險些遭遇難產。

每部爆款電影的背後，都離不開主創團隊的細心打磨，而繁瑣的程序，往往讓製作時間拉得很長，甚至會有作品熬不下去，中途夭折。

《哪吒》的製作過程也同樣不易，但所幸，歷時五年之久，最終總算是被「死磕」出來了。

這部時長 110 分鐘的動畫電影，共經歷了 66 次劇本修改，有 20 多個專業外包團隊，1600 多位動畫製作人員參與制作，全片共有 1400 多個特效鏡頭。

電影里萬龍甲由來片段

由此可見，一部優秀的動畫，註定是一項浩大的工程。不少從業人員都吐槽過，動畫製作完全是個「苦力活」。在導演的採訪資料里，也爆出了因工作繁重，外包團隊離職率陡增的情形。

大量人物形象製作，分鏡動畫繪製，以及特效的製作，都是費時耗力的過程。短短十幾秒畫面，可能就需要幾個團隊幾個月的努力。

丑萌的哪吒魔化後帥炸

儘管團隊投入大量精力，但仍然有很多問題不是能僅靠死磕就可以解決的。比如片中靈珠和魔丸結合時，導演本想營造時光倒退，萬物歸一的視覺效果。但該鏡頭在經過幾個月的嘗試後，終因達不到預期而被捨棄。

類似這樣的製作難題，是限制動畫發展的一大因素。倘若製作流程能夠更加高效，或許就會湧現更多的優質電影。而這個方面，人工智慧技術能給動畫行業帶來新的契機。

解放原畫師：AI 線稿上色

動畫的製作過程中，基本的環節就是完成畫稿的繪製，而對這些畫稿完成上色，則是一項浩大的工程。

值得一提的是，哪吒的形象前後設計了 100 多個版本

對於普通的 12 幀率動畫，按 25 分鐘計算，需要 18000 張圖畫。對於一個 10 人的團隊來說，約需要 2 個月才能完成。

但基於 AI 的工具，效率會得到極大的提升。比如當下最優秀的技術，完成一集動畫僅需 2.5 小時，效率提升達到了 2000 倍之多。

最近在 GitHub 上星數過萬的 Style2paints ，就是這樣一個充滿魔力的繪製工具。通過它，製作人員能夠快速完成複雜的上色流程。

有四個步驟：從線稿開始，右上角上平面顏色 ，左下角加入有梯度的顏色，右下角加入陰影

Style2paints 由蘇州大學和香港中文大學的研究者共同打造，最新版本已升級到 V4。它也被評為最好的線稿上色 AI 工具。

Style2paints 基於無監督的深度學習，通過風格遷移和 GAN 技術，將線稿原畫變成飽滿的彩色圖畫。

整個過程分為兩個階段，第一階段將草圖渲染為粗略的彩色圖畫。為完善畫面，第二階段會識別其錯誤並進行細化，以獲得最終結果。

而使用起來也很簡單，只需畫師完成線稿，然後通過滑鼠點擊，就能得到飽滿的彩色畫稿。對於要求高的畫師，可能還需要些許的微調。

GitHub 上的操作指南

解放動畫師：神經網路自動補幀

動畫電影的製作中，有關鍵幀和中間幀之分，中間幀是串在兩個關鍵幀之間的畫面，起到銜接和讓畫面流暢的作用，但其製作卻是動畫中耗時嚴重的過程。

深色的三個動作是關鍵幀，淺色的是中間幀

如果給出一段視頻的相鄰的關鍵幀，讓 AI 去補充出中間的畫面，工作量就會大大減少。

谷歌 AI 前段時間公布的生成模型，就是按照這個思路，在一定程度上解決了問題。

模型示意圖

他們發布的這套 AI 系統，包含一個完全卷積模型，由 2D 卷積圖像解碼器，3D 卷積潛在表示生成器，和視頻生成器組成。

通過將圖像解碼，除了將輸入視頻信息解碼，還將目標視頻的信息映射到潛在空間。而潛在表示生成器將兩種信息合併，最後由視頻生成器解碼達到預測的中間幀。

AI 生成的視頻幀序列，在風格上與給定的起始幀和結束幀保持一致，而且整體看起來很順滑。令人驚喜的是，此方法可以較長的時間段內實現視頻生成。

使用 Kinetics 數據集從靜態圖像創建出的視頻

在他們的研究中，一些視頻的生產效果喜人，但也有一些複雜的視頻，出現了奇怪的畫面，仍待改進。

解放導演：文本生成動畫

當然最驚喜的功能，也許要數 AI 直接從劇本生成動畫。那些無法做出來的場景效果， 也許在 AI 手中，會得到解答。

在前段時間，迪士尼和羅格斯大學的科學家發表了一篇論文，介紹了一款用文本描述生成動畫場景的 AI 模型。

要讓 AI 實現從文本到視頻的生成，需要其「理解」文本，然後生成對應的動畫。為此他們採用了多個模塊組件的神經網路。

這個模型包含三個部分，一是腳本解析模塊，自動將劇本文本中的場景解析出來，然後是自然語言處理模塊，能夠提取出主要描述句子，並提煉出動作表示，最後是一個生成模塊，將動作指令轉化成動畫序列。

模型的流程示意

研究人員，從可自由獲取的電影劇本中，搜集了上千個劇本，從中選取了其中的 996 個，編寫了場景描述語料庫。

這個語料庫由 525,708 個描述組成，包含 1,402,864 個句子，其中 920,817 個包含有至少一個動作。

建立起描述和視頻的映射，從而通過輸入劇本，能夠生成簡單的動畫片段。在測試實驗中，生成動畫的合理性為 68%。

雖然該系統還依賴於語料庫，不能百分百完成文本到視頻的生成，但在動畫製作上帶來了新的方向。

迪士尼還研究過自動生成與語音相匹配的動畫口型

AI 顛覆動畫的路還有多遠？

《哪吒》的火爆，讓人們再次注意到了動畫電影的潛力，而這部打破傳統的電影，還在向著它的新紀錄奔去。

雖然說 AI 技術在動畫製作上有了一些良好的嘗試，但這些技術只有更趨完善和成熟，才能真正被電影製作人所利用。

期待未來技術的發展，讓我們不需要等待漫長的五年，就能看到更多《哪吒》這樣的經典之作。

【END】

熱 文推 薦

你點的每個「在看」，我都認真當成了喜歡

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！