Remedy公司，《心灵杀手》、《量子破碎》等游戏背后的开发商，正在与GPU制造商英伟达（Nvidia）合作，将当今游戏制作过程中花费最多的一部分之一——动作捕捉及动画化的效率提升。根据在Siggraph国际图形学年会的展示，该项目应用了一种深度学习神经网络——运行在配备了8块GPU的Nvidia DGX-1超级计算机上——Remedy公司能够捕捉玩家动态影像输入，进而由神经网络生成极为复杂而精准的3D面部动画。据Remedy及Nvidia称，这一研发成果，将克服以往传统的动态捕捉动画中人工劳动过多在数据转化和艺术加工润色上出现瑕疵等缺点。
除成本原因外，面部的动画化及动态捕捉，都远远不及其他类型动画化的保真度。那些甚至在一些大制作游戏中都能见到的奇怪的、死气沉沉的外观，便是源于面部动画化水平的限制。Nvidia和Remedy公司相信，神经网络能够成为这一问题的解决方法。神经网络甚至可以不需要输入影片，仅输入一些音频片段，便可以根据以往的数据生成动画。
首先需要将一段“基于多视角环绕记录及艺术加工动画化的高端面部捕捉影像”输入至神经网络，这说明本质上输入的信息是一段经过Remedy创作的动画。神经网络仅需5至10分钟的影像，便可以根据简单的单视角玩家影像生成相应的动画。相比目前最先进的单视角合成结果及实时面部捕捉技术，这种全自动的神经网络生成的结果出奇地好，并且对画师创作的要求远少于前者。
通过对神经网络的训练，它同样可以实现通过音频输入绘制3D动画模型。整个过程根据一种“紧凑的潜在编码”，推导出无法通过录音判断出的面部表情变化。用户可以通过改变这种编码来改变动画化结果。
“基于这项实现人工智能生成面部动画的工作，我们有理由相信人工智能将革新内容创作方式，”来自Remedy公司的首席技术美术设计师Antti Herva说。“像《量子破碎》这种双精度浮点的游戏，复杂的面部动画创作需要几年的时间才能够完成。通过与Nvidia的合作，在成功搭建通过录像及录音生成动画的神经网络后，我们在大型项目中能够减少80%的时间，由此大大解放了我们的美术师们，让他们能够专注于完成其他任务。”
在Siggragh年会上，Nvidia还展出了更多基于人工智能的新技术，如训练神经网络识别游戏中3D物体凹凸不齐的轮廓，然后将它们转化为平滑的反锯齿化像素。这项技术能够生成比现有的反走样网络线绘制技术更为清晰的图像。此外，Nvidia也使用神经网络加速光线渲染，这项众所周知计算量非常大的任务，通过训练神经网络识别权重最大的光线路径完成。
这些技术令人印象深刻，但它们进入业内常规化流程仍需要一些时间。
提到业内常规化流程，Nvidia同时狡猾地放弃了Titan Xp显卡的驱动更新，尽管这一更新将能够大幅提高如Maya等软件的性能。如此令人期待的性能提升不禁使用户们质疑Nvidia是否是有意通过此手段，来驱使用户们购买更昂贵的Quadro显卡。处于相同价位的AMD Vega领航版显卡于今年6月发布，这款被定位于结合专业显卡及游戏显卡，在性能上远超Titan。
同时，AMD在Siggraph年会上发布了他们新款RX Vega 64和RX Vega 56 游戏显卡。RX Vega 64被视为GTX 1080的有力竞争者，而RX Vega 56据称与GTX 1070性能水平相近。这两款显卡将于8月14日上市，售价分别为500美元及400美元。
-End-
参考:
https://arstechnica.co.uk/gaming/2017/08/nvidia-remedy-neural-network-facial-animation/
