哪吒又双叒叕破纪录了！
电影《哪吒之魔童降世》自 7 月 26 日上映以来，一直在刷新动画电影的票房纪录。截止目前，19 天里全网票房突破 36 亿，观影人数超过 1 亿！成为了首部观影人数破亿的动画电影。
哪吒之前，国内的动画电影票房最高记录是 15 亿
在票房疯长的背后，它在豆瓣的评分也维持在 8.6 分，不少人开始感慨：中国动画的里程碑来了。
这样一部改编自神话故事的电影，凭什么像国漫界的一匹黑马，收获如此高的票房呢？
我哪吒是靠颜值收获的这么一大波粉丝吗
除了颠覆的人物设置，全新的故事设定，为观众带来惊喜之外，精致的视觉效果，更是《哪吒》如此炸裂的关键。这些酷炫的视觉效果，让一个又丧又皮的「魔化」哪吒，成了这个夏天最「靓」的仔。
险些让哪吒难产的动画制作
观众被这个最「靓」的仔深深吸引之时，不会想到，他曾险些遭遇难产。
每部爆款电影的背后，都离不开主创团队的细心打磨，而繁琐的程序，往往让制作时间拉得很长，甚至会有作品熬不下去，中途夭折。
《哪吒》的制作过程也同样不易，但所幸，历时五年之久，最终总算是被「死磕」出来了。
这部时长 110 分钟的动画电影，共经历了 66 次剧本修改，有 20 多个专业外包团队，1600 多位动画制作人员参与制作，全片共有 1400 多个特效镜头。
由此可见，一部优秀的动画，注定是一项浩大的工程。不少从业人员都吐槽过，动画制作完全是个「苦力活」。在导演的采访资料里，也爆出了因工作繁重，外包团队离职率陡增的情形。
大量人物形象制作，分镜动画绘制，以及特效的制作，都是费时耗力的过程。短短十几秒画面，可能就需要几个团队几个月的努力。
丑萌的哪吒魔化后帅炸
尽管团队投入大量精力，但仍然有很多问题不是能仅靠死磕就可以解决的。比如片中灵珠和魔丸结合时，导演本想营造时光倒退，万物归一的视觉效果。但该镜头在经过几个月的尝试后，终因达不到预期而被舍弃。
类似这样的制作难题，是限制动画发展的一大因素。倘若制作流程能够更加高效，或许就会涌现更多的优质电影。而这个方面，人工智能技术能给动画行业带来新的契机。
解放原画师：AI 线稿上色
动画的制作过程中，基本的环节就是完成画稿的绘制，而对这些画稿完成上色，则是一项浩大的工程。
值得一提的是，哪吒的形象前后设计了 100 多个版本
对于普通的 12 帧率动画，按 25 分钟计算，需要 18000 张图画。对于一个 10 人的团队来说，约需要 2 个月才能完成。
但基于 AI 的工具，效率会得到极大的提升。比如当下最优秀的技术，完成一集动画仅需 2.5 小时，效率提升达到了 2000 倍之多。
最近在 GitHub 上星数过万的 Style2paints ，就是这样一个充满魔力的绘制工具。通过它，制作人员能够快速完成复杂的上色流程。
有四个步骤：从线稿开始，右上角上平面颜色
左下角加入有梯度的颜色，右下角加入阴影
Style2paints 由苏州大学和香港中文大学的研究者共同打造，最新版本已升级到 V4。它也被评为最好的线稿上色 AI 工具。
Style2paints 基于无监督的深度学习，通过风格迁移和 GAN 技术，将线稿原画变成饱满的彩色图画。
整个过程分为两个阶段，第一阶段将草图渲染为粗略的彩色图画。为完善画面，第二阶段会识别其错误并进行细化，以获得最终结果。
而使用起来也很简单，只需画师完成线稿，然后通过鼠标点击，就能得到饱满的彩色画稿。对于要求高的画师，可能还需要些许的微调。
GitHub 上的操作指南
解放动画师：神经网络自动补帧
动画电影的制作中，有关键帧和中间帧之分，中间帧是串在两个关键帧之间的画面，起到衔接和让画面流畅的作用，但其制作却是动画中耗时严重的过程。
深色的三个动作是关键帧，浅色的是中间帧
如果给出一段视频的相邻的关键帧，让 AI 去补充出中间的画面，工作量就会大大减少。
谷歌 AI 前段时间公布的生成模型，就是按照这个思路，在一定程度上解决了问题。
模型示意图
他们发布的这套 AI 系统，包含一个完全卷积模型，由 2D 卷积图像解码器，3D 卷积潜在表示生成器，和视频生成器组成。
通过将图像解码，除了将输入视频信息解码，还将目标视频的信息映射到潜在空间。而潜在表示生成器将两种信息合并，最后由视频生成器解码达到预测的中间帧。
AI 生成的视频帧序列，在风格上与给定的起始帧和结束帧保持一致，而且整体看起来很顺滑。令人惊喜的是，此方法可以较长的时间段内实现视频生成。
使用 Kinetics 数据集从静态图像创建出的视频
在他们的研究中，一些视频的生产效果喜人，但也有一些复杂的视频，出现了奇怪的画面，仍待改进。
解放导演：文本生成动画
当然最惊喜的功能，也许要数 AI 直接从剧本生成动画。那些无法做出来的场景效果， 也许在 AI 手中，会得到解答。
在前段时间，迪士尼和罗格斯大学的科学家发表了一篇论文，介绍了一款用文本描述生成动画场景的 AI 模型。
要让 AI 实现从文本到视频的生成，需要其「理解」文本，然后生成对应的动画。为此他们采用了多个模块组件的神经网络。
这个模型包含三个部分，一是脚本解析模块，自动将剧本文本中的场景解析出来，然后是自然语言处理模块，能够提取出主要描述句子，并提炼出动作表示，最后是一个生成模块，将动作指令转化成动画序列。
模型的流程示意
研究人员，从可自由获取的电影剧本中，搜集了上千个剧本，从中选取了其中的 996 个，编写了场景描述语料库。
这个语料库由 525,708 个描述组成，包含 1,402,864 个句子，其中 920,817 个包含有至少一个动作。
建立起描述和视频的映射，从而通过输入剧本，能够生成简单的动画片段。在测试实验中，生成动画的合理性为 68%。
虽然该系统还依赖于语料库，不能百分百完成文本到视频的生成，但在动画制作上带来了新的方向。
迪士尼还研究过自动生成与语音相匹配的动画口型
AI 颠覆动画的路还有多远
《哪吒》的火爆，让人们再次注意到了动画电影的潜力，而这部打破传统的电影，还在向着它的新纪录奔去。
虽然说 AI 技术在动画制作上有了一些良好的尝试，但这些技术只有更趋完善和成熟，才能真正被电影制作人所利用。
期待未来技术的发展，让我们不需要等待漫长的五年，就能看到更多《哪吒》这样的经典之作。
—— 完 ——
