《复联 4》特效解析：打造灭霸和绿巨人

《复联 4》特效解析：打造灭霸和绿巨人

《复仇者联盟4》在中国内地票房已突破40亿元，其中的特效制作也是一大亮点，今天就跟大家分享下《复联 4》特效解析，如何打造灭霸和绿巨人！

• 全片视效镜头 2496个
• 总视效监制：Dan DeLeeuw （妇联3和妇联4都是他）
• DRS新的面部系统‘Medusa’和‘Anyma'
• HMC来自福克斯VFX实验室（原Technoprops）
• Weta（负责制作灭霸的部分）新的绑定技术 Deep Shapes（在表情传递时使用更精细和复杂的算法来获得更真实和细微的表演）
• DD（负责制作灭霸的部分）升级了面部跟踪系统，加入了机器学习部分，启用Bullseye将面部解算时间从1-2周缩短至几个小时。
• Quantum Suits（量子太空服）由漫威视觉开发部门设计，由Framestore、ILM和DNEG并行完成后续细节工作。
• 灭霸和绿巨人制作上的区别：灭霸的表演希望尽可能保留乔什·布洛林微妙表现中的细节；而绿巨人则是表演转化中的宽容度和“反差萌”。
• 最难管理的部分是追踪现场产生的大量数据，包括CG角色扫描数据、特效、环境资产、环境扫描、灯光采样、动作捕捉数据等。
• 由于3和4一起制作，这在一定程度上降低了VFX工作室的边际成本，团队对项目熟悉程度提高，合作更加默契，能够共享可用资产并复用过往数据。

Digital Domain和Weta Digital在《终局之战》中共同帮助灭霸完成复杂而微妙的表演。Digital Domain在这部分的制作相比于《无限战争》中的流程，变化不多，但是加入了更多的机器学习。相比之下，Weta Digital在制作复仇者联盟同时还在制作《阿丽塔：战斗天使》，基于在阿丽塔面部捕捉的惊艳效果，可以猜测Weta在《终局之战》中面部表演捕捉优化上投入了大量的开发资源。

Thanos 归田园之WETA 篇

Weta在原有的FACETS（Weta Digital自己的一套面部跟踪技术）流程上继续深度开发，在过往已有的解决方案中，加入了机器学习方案，在之前的项目中也有所运用。

流程的第一步，按常规完美匹配真人版和数字版乔什·布洛林（就是灭霸的表演者）之间的表演，第二步把数字版乔什的数据映射到灭霸身上，中间当然会遇到一些小挫折，所以在绑定和校准的过程中进行了大量的数据迭代和匹配，最终建立比较完美的传递性。整个过程跟阿丽塔的非常类似。

乔什的数字资产精度与其他Weta制作的生物角色精度完全在同一水平，使用lighting stage扫描以及DRS Medusa 4D数据捕捉（也是Disney Research Studio今年获得奥斯卡技术奖提名的一个技术），同时用乔什的Medusa数据做了ROM测试（Range of Motion动态范围测试），最终得到了一个精确的数据匹配。

虽然《无限战争》里面的灭霸已经可以让人惊叹，但是Weta的团队觉得他嘴角的动画还是有点不太好看，所以在《终局之战》中找到了修复这个bug的时间和机会。在修复的过程中Weta开发了一个新技术— Deep Shapes ，这个技术的应用也是” Gemini Man“（李安导演的新电影-双子星）的预告看着上去很棒的一个原因。

Deep shape 就是尽可能提高动画和画面上的key blendeshapes，使角色动画有一个高保真的还原度，可供动画师有选择的使用。 简单说就是建立了两个面部表达，在想要呈现的细节度上加上了一个0-100%阈值控制，来分析计算出一些细微的动画以增加关键动画中的惯性感，这个计算的过程属于非肌肉模拟的过程。

正是因为动画表演层面上细节的提高，灭霸在电影中失败消散的那一刻才让观众觉得同情和惋惜，因为这个部分纯靠表演，没有台词，慢慢飘走。

因为乔什比角色还是要矮很多，所以跟其他演员演对手戏的时候还是需要一些穿戴来保证其他演员的眼线位置的正确性以及交互动作位置的准确性，对于负责的打斗场次，基本还是依靠动画来实现了。

灭霸整个用了Weta自己的肌肉系统，这个系统可以像真实身体一样在动作触发前自动完成肌肉的预备动作。

Thanos 归田园之DD 3.0 篇

DD和Weta在onset 数据层面上共享的是完全相同的数据。基于之前DD写实角色中的优秀表现，流程上他们放弃了FACS，走的是机器学习的道路，开发了一个叫Masquerade软件。

Masquerade可以利用150个稀疏的面部训练点，预测出一个新的高分辨率大概70,000个点的3D人脸以及MoCap数据。

鉴于Masquerade的成功，DD决定采用类似的机器学习方法来跟踪演员面部的标记。按过去做法，每次解算需要几天到一周或两周的时间。而这次在Endgame上使用的解决方案做了一个自动化流程优化。DD写了一个新软件名为Bulls Eye，它大概只需要大约一个小时左右就能完成面部跟踪和解算，相比过去需要几周的时间来说，是一个非常关键的进步。

Masquerade软件仍然像在Infinity War中一样使用，在Brolin面部重建低网格模型，Bullseye用来处理HMC素材，在三个空间中跟踪标记并解算数据。在校准过程中，Bulleye每天都会训练新的数据，因为即使有指导手册，这些跟踪点也不会每天都画在相同的位置。

另外，DD同时还研究了如何提高流程效率并优化Josh嘴唇的保真度。

DD正在使用的流程称之为 Direct Drive scenario（数据直接驱动模型的方案），简单的理解就是用捕捉到的数据去直接驱动另外一个需要匹配动作的角色，这个方法的缺点是可能会让动画师失去太多掌控力，所以团队在尝试解决这个问题，让驱动数据底层能和常规的动画UI界面关联，这样可以让动画师来控制更加复杂的驱动数据。同样他们也有其他的工具来辅助提高由直接驱动系统产生的内容，这个工具叫WPSD（pose shape deformation).这个技术让DD在整个制作过程中更快的处理和转换镜头，并在最终动画中保持了更多的控制力。

小编看上个月TED里有提到他们在做的一个研发，叫 Digital Doug，有兴趣的同学可以去看一下，实时状态已经驱动的很好了，运用了deepfake，做了一个sandbox test.

终于轮到HULK了

写到这里小编觉得视效最后可能也是算力的战场，只是目前我们的状态还差的有点远，属于旁观战场的级别。

绿巨人在这部电影中被定义为一个新的角色，因为他失去了部分攻击力，虽然还是那么大的块头。角色由ILM和Framestore共同完成，重塑绿巨人的指导方针是：让班纳和绿巨人的角色合并，让绿巨人的表演更接近于人类演员。

绿巨人这一次还是由马克·鲁法洛扮演，ILM在漫威艺术部门的设计上，让角色融入鲁法洛的特征，为了让这个设计起作用，光魔做了些测试，以增强片方的信心。

拍摄的时候，鲁法洛一般需要穿动捕套装和头盔式摄像系统。动作捕捉数据由Profile Studios处理，HMC来自Fox VFX Lab（前身为Technoprops），表演需要尽可能的让所有演员都在，尤其是有交互表演的时候，这样能保证演员创作感觉的稳定性。

对于鲁法洛的面部表演采集，和往常一样也是需要脸上带着点在不同的场景中穿梭；和上面灭霸的操作一样，鲁法洛也是经历了各种扫描，包括Disney Research （Zurich ）的‘Medusa’ ，目的就是为了尽可能令人信服地将鲁法洛的表演转化为CG绿巨人的表演。

重建绿巨人的面部动画系统是ILM的重建角色重心的一部分，第一步需要确保扫描解算得到的鲁法洛的数据可以用在CG班纳的身上；然后基于需要的各种细节来改进算法。好在在项目结束之前使用上了DRS新的解算器-Anyma（ILM从2012年开始就在自己的流程中测试了Anyma，现在已经被应用在一些项目中）。方法是使用3台摄像机和一个ADR设备来的记录表演图像和相关数据，然后把头戴摄像机的数据给到Anyma解算，Anyma不仅仅是依靠低分辨率的mesh，而是生成per-frame 的mesh，根据头戴式摄像机的数据进行光度解算。Anyma和以前的表演捕捉系统的关键区别在于它能够捕获更多信息以及它可以分析像素级细节，另外动画师可以使用它来控制200多个独立的面部属性。整个测试中，ILM需要考察整个方案的稳定性，直到得到一个不错的结果再做第二步的工作，把鲁法洛解算后的数据映射到绿巨人身上。

影片中ILM和Framestore共同完成了的绿巨人镜头，随着CG角色的细化，Framestore也提供了相关的测试镜头。从ILM的角度来看，具备所有捕捉数据，参考，细致建模，装配和材质纹理的绿巨人使他们能够完全控制绿巨人动画中的表现，个人觉得做的是真的非常好！

Framestore采用了类似的方法，其动画部分也引入了新的机器学习，挑选关键帧匹配之后丢给机器学习并解算得到第一版的动画，但是这个只是一个比较快速不完美的版本，然后交给动画师处理，最后在通过ML添加一些微小的细节动画，使之流畅。最大的挑战是把握更加拟人化的绿巨人，中间选择去传递什么样的数据和表情变得比较纠结，有时候看到鲁法洛就在素材中的时候，会觉得绿巨人跟他很像觉得很正常，有时候又会觉得比较奇怪，中间需要去找到他们的平衡。

ILM在项目中迭代了面部动画的流程，总监Earl的描述上看也是压力巨大的，他是这么描述的：在制作电影的过程中改变一项关键技术有点像在比赛中途换掉汽车引擎，让新技术成为现实并运行起来，让他夜不能寐。没有什么东西可以开箱即用。

要是还有人认为视效是弹个响指就能实现的，可以多读两遍这句话，重新体会一下。

作者：CGView
来源：影视工业网