从技术角度看凡人修仙传年番好看在哪里
“ 文本侧重技术角度，分析《凡人修仙传》动画好看在哪里”
还记得18年的时候，看了国内某著名网文小说改编的3D动画，无论是演出效果还是剧情都不太符合期望。因此对国创3D动画一直敬而远之。直到最近在B站刷到一位Up做的《凡人修仙传》战斗解析，好家伙，趁着疫情在家期间一口气刷了40多集“凡人”不能自拔。
为什么这次的国创3D能让我看入迷呢？我想除了有动作导演穆宁设计的武斗场面及不错的画面特效人物建模外，最重要的是流畅的人物动作以及细腻的人物表情。要知道“凡人”可是年番，原来国内的3D动画在保证质量的前提下，已经到达如流水线般高效生产的水平了？
流畅的武斗场景
表情细节
我翻看了原力质作的B站官号，有两点引起了我的注意：
- 动作捕捉
- 面部动作捕捉
01
—
动作捕捉
动作捕捉用在动画制作上并不罕见。最早甚至可以追溯到1915年。
转描机技术（Rotoscoping）是一种动画师在运动图像镜头上一帧一帧地追踪，以产生逼真的动作动画的技术。最开始，动画师将拍摄的真人电影影像投射到玻璃板上，并在影像上描摹。这种投影设备被称为旋转镜，由美国动画师马克思·弗雷歇尔（Max Fleischer）在1915年左右发明。我们熟知的动画电影“白雪公主和七个小矮人”也是用这种技术制作的。
动作捕捉技术得到了长足的发展，有基于电磁的，机械的，惯性的，以及光学的动作捕捉技术。基于光学的动作捕捉是当前最流行的方式，通过光学摄像头捕获固定在人物或者物体上的marker来实现捕捉。光学的动作捕捉又可以分为主动的与被动的，他们的区别是marker是否主动发光。
一般而言，基于光学的动作捕捉工作流程如下：
- 摄像头校准
- 对象校准
- 捕获
- 二维marker识别
- 三维位置重建
- 骨骼运动重建
Alpha Go之后，机器学习再次成为研究的热点，并在各行各业都有了不错的落地表现。新一代的动作捕捉技术也和机器学习技术结合起来。在2019的GDC会议中，育碧展示了一种基于光学与机器学习结合的方式，能大大降低上文提到的光学捕捉工作流的工作量。
我会另外写一篇文章来介绍GDC中提高的基于机器学习的动作捕捉方法。言归正传，正是由于动作捕捉技术，“凡人”能够高效地拍摄出如此流畅的战斗动画。
02
—
面部动作捕捉
面部动作捕捉和上文提到的动作捕捉是相似的，只是捕捉对象从肢体变成了面部，并且与肢体捕捉相比，精度要求会变得非常之高。
捕捉时，演员头上会绑着一个耳机，一个摄像机会正对着演员的脸部。类似地，脸部捕捉有如下的工作流：
首先我们会得到源自摄像机的视频资源，接着我们会对视频中的脸部特征做追踪。在这个过程中，我们会提取表示脸部关键位置的特征点。接着会对这些点做重定向，把3D轨迹数据绑定到character rig上，用来制作面部动画。最后，动画师会把重定向的脸部动画进行微调，提高动画的质量。
“凡人”提到他们开发了一套无标记点的脸部动画捕捉工具。这套工具基于深度学习原理。利用卷积神经网络来提取演员面部表情的特征，并把它抽象成网络的隐层空间特征。通过使用了大量的视频数据来训练网络，从而实现了从演员的视频到角色面部动画控制器的直接映射。
很高兴国内的企业越来越重视工作流程及技术研发。在元宇宙概念被炒起的今天，虚拟数字人也成为了研究的热点。想必在未来我们一定会体验到更逼真的影视作品及虚拟游戏。
参考：
stanford CS 448D Motion Capture
GDC2019 A New Era of Performance Capture with Machine Learning