每个人心中都有一个蓝胖子,梦想可以跟著他穿梭任意门、乘坐时光机,日前上映的电影《哆啦A梦伴我同行》电影充分把各种充满想像力的场景付诸实现,甚至在人物和情境的表现上更加精细、逼真,使大人和小孩都臣服于蓝胖子的疗愈魅力下。
到底动画片是如何做到这些绚丽的光影效果,丰富的表情细节,并且让大家看了有耳目一新的感觉?幕后功臣就是戴尔Precision T7600系列工作站——这台堪称是当今世界上最强大的塔式工作站产品之一,它能满足图形设计、三维动画、图形渲染视频处理等多重技术环节,也因此受到著名东京动画制作公司“白组(Shirogumi Inc.)”的青睐。
白组(Shirogumi Inc.)动画制作公司艺术总监Tadashi Hanabusa说“利用戴尔工作站的强化功能,我们能够轻松地处理好画面的细节部分,比如阳光穿过玻璃落在物体上的光影效果。如果这些光影效果处理的得当,那么影片的质量和感觉就会大不相同。借助戴尔Precision工作站的专业设定,我们处理这些微小但至关重要的细节变得更加得心应手。”
除了动画与电影特效,HBO电视台根据奇幻史诗巨作《冰与火之歌》改编的美剧《权力的游戏》也是大手笔投入在特效制作中,该剧从首播以来多次获得艾美奖、金球奖、美国演员工会奖等多个奖项,堪称成为HBO历史上投资最昂贵、收视最成功的电视剧集。猜猜平均每集600万元的成本花到哪去了,答案是投在“龙母”丹妮莉丝那三头栩栩如生的巨龙身上。
可通过以下视频了解第五季中,“魔龙狂舞”的制作过程:http://news.mtime.com/2015/08/06/1545433.html
要在电脑特效中达到如此细致入微的逼真效果并不是容易的事,制作组在3D建模、运动捕捉、色彩渲染、运动计算方面等都必须投入大量的精力,让虚拟生物在现实环境中显得更加真实。《权力的游戏》奥斯卡特效公司Pixomondo共有30人的团队,每年花费4个月的时间来设计丹妮莉丝的龙,他们模拟了龙的骨骼构造,再根据鸽子和鸡的动作,细化了龙的局部,让他们从小变大,包括龙的皮肤层从70层猛增到700层,每一片鳞片都必须单独制作模型,打磨并为它制作纹理,使巨龙举手投足都真实无比。
这些渲染会花费很多功率,因此需要有运算效率绝佳的工作站支持,戴尔的精密工作站就提供了这样的吞吐量和功率,足以支持1000帧画面,两个月不间断工作的功率。Pixomondo特效团队应用戴尔塔式工作站快速创作复杂内容,视觉特效主管Sven Martin曾表示:“我们承担了《冰与火之歌:权利的游戏》所有的特效,这是一项浩大且时间紧迫的工程。多亏戴尔工作站、强大的显示器和服务器还有储存在速度与可靠性方面给予的保障和戴尔IT服务提供的巨大支持,给予我们强大的计算火力,让我们不但达成了这场大制作严苛的要求,更为观众呈现了精彩绝伦的特技效果。”
除了上述两部动画片,还有许多家电影特效和数字服务公司也是利用戴尔产品制作和管理大量的日常数字内容。Framestore曾为获奖影片《地心引力》、《钢铁侠3》、迈凯轮F1Tooned系列动画和詹姆斯•邦德系列片《大破天幕杀机》制作特效。此外,数字服务公司Visual Art 在整个制作过程中使用Dell Precision工作站制作各种复杂场景,例如,为Electronic Arts “战地风云4”的全球发布制作电影动画,其中包含多个高分辨率角色以及形状和纹理极为复杂的雕塑环境。显示戴尔工作站、服务器、显示器已经逐渐成为特效团队的得力助手。从市占率来看,戴尔在最新出炉的IDC报告中连续蝉联2015年上半年中国市场份额第一名,移动工作站并占据50%以上的市场份额。电影、动画与娱乐产业工作者拥有日新月异的科技,未来即使面对高度密集的运算也能更得心应手了!
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。