來源：量子位
作者：衡宇
原標題：《機器人反抗人類視頻爆火，背後還有AI神器加持《頭號玩家》男主創業項目，內測已開》
注意看，這個機器人對抗人類的視頻，在網上徹底火了。
那叫一個拳拳到肉，刺激程度引得圍觀群眾大呼鵝妹子嚶。
好消息是，這個機器人並非真實存在。
但另一個不知道是好還是壞的消息是，這樣的特效，是AI一鍵合成的。
就是說，從左邊這樣的人類實拍，到右邊這樣的特效畫面，人類需要做的，只是用鼠標把模型拖到畫面裡。
這個AI神器，名叫Wonder Studio AI。
剛發宣傳片時，就曾引發wo cao聲一片。
現在內測名額開始發放，網友們上手一玩，更是停不下來，直接在社交媒體上刷了屏。
比如隨手來一段比波士頓動力還動感流暢的男團熱舞。
或者在自個兒屋裡來段freestyle。
↑↑↑這個作品的作者還透露，這是一個原本需要三天完成的視覺特效鏡頭，現在只需要1分鐘。
也難怪網友們坐不住了。
無需動捕設備，一鍵生成CG動畫
有關Wonder Studio，官方的說法是，“一種可自動為CG角色製作動畫、打光，並將其合成到真實場景中的AI工具”。
按照官網說明，對於用戶來說，在CG動畫製作階段，你不再需要復雜的3D軟件，也不需要昂貴的動捕硬件。
只需一台用來拍攝的相機，拍好視頻後丟進Wonder Studio處理，就足以以假亂真。
具體步驟是這樣的：
首先用相機拍攝一段視頻，視頻中，真人演員可以隨意做出任何動作；
將MP4或MOV等格式的視頻導入Wonder Studio，並選定需要處理的視頻段落，拖入中間區域等待處理；
點擊菜單欄的next按鈕，AI開始識別和分析視頻中的人物；
選中右側選項欄中所需要的CG模型，拖拽至需要替換的人物區域；
這時候會跳出一個小框，能夠根據需要調整HDR打光、畫質清晰度、視頻格式等。
最後，選擇解算生成，就能完成視頻段落中CG模型對真人演員的替換。
對於專業人士來說，除了最終成品，Wonder Studio還能導出新視頻的不同軌道，包括動作捕捉、攝像機跟踪和空鏡等等。
面對需要修改的細節，也可以直接上手微調。
傳統的CG製作流程，需要移除原有人物、把需要替換的CG元素導入引擎或Blender等軟件當中、根據相機解算結果進行合成、匹配燈光、渲染……最終把新的CG模型放到視頻場景中。
比較而言，用上Wonder Studio後簡化了很多工序，也難怪很多人評測，如果這個工作流跑通，是十分利好小成本影視製作的。
不過，Wonder Studio並非十全十美。
主要體現在CG模型覆蓋原人物後，CG角色和背景銜接處處理不算優秀。
比如會出現美顏瘦臉特效開太大，以至於臉部周圍背景扭曲的情況：
而且，CG模型的邊緣像素會被拉伸，原人物的衣物等不能做到100%消除和被覆蓋：
開頭展示的爆火視頻中，其實也有不少穿幫鏡頭。
所以，雖然效果強大操作簡單，目前而言，Wonder Studio還是不能單獨放到實際項目中使用，否則一眼驚艷，再看露餡。
但其展示的潛能，已經得到內測網友的蓋章肯定。
有內測網友反饋，在他的幾次測試中，Wonder Studio能夠自動化80%的視覺特效工作。
它仍存在一些困難的領域，但它提供的價值主張是，只需要付出很少的努力就能做出相當不錯的東西。
而且這只是開始它還會變得更好
《頭號玩家》男主創業項目
有意思的不止是產品，Wonder Studio背後的公司，也頗有故事。
它的出品方是一家名叫Wonder Dynamics的AI初創公司，致力於通過AI提高電影製作的效率和質量。
截至目前，公司在種子輪和A輪一共募集了1150萬美元融資。
Wonder Studio是他們籌備3年後，推出的一款基於AI的在線視頻特效處理平台。
公司已經表示，Wonder Studio後續還將繼續簡化動作捕捉和渲染環節，繼續提高製作效率。而且在公司的設想中，創作者在將來還能在系統自由上傳自己的3D模型。
再來看公司創始團隊，不少人是熟面孔。
比如世界聞名的導演斯皮爾伯格，就是這家公司的顧問。
而公司創始人之一，是《頭號玩家》男主演泰爾·謝里丹。
（不知道是說男主“乾一行愛一行”好呢，還是說他“積極致力於用AI搶自己飯碗”）
還有消息稱，美國導演組合羅素兄弟正在拍攝的一部電影中，Wonder Studio已經參與了部分製作環節。電影主角是《怪奇物語》主演Millie Bobby Brown和《銀河護衛隊》中星爵的扮演者Chris Pratt，電影將上線Netflix。
期待電影之前，更值得關注的一點是，最近這段時間，AI力量對視覺領域瘋狂下手了。
這就不得不提到近日在科技圈瘋狂刷屏的Meta大殺器，Segment Anything Model （SAM）。
該模型驚艷世人的能力，就是能夠識別和分離圖像及視頻中的特定對象。使用SAM，用戶可以通過單擊或輸入文字，來選中需要編輯的任何物體。
Meta在介紹SAM時寫道：
SAM 已經學會了關於物體的一般概念，並且，它還可以為任何圖像，或視頻中的任何物體生成msak，包括訓練中心化不包含的類型。
SAM足夠通用，且在新的圖像領域無需額外訓練，達到即開即用。
這種零樣本遷移的能力，正是GPT-4能力驚人的重要原因之一。因此，國內外不少媒體稱SAM的發佈為CV領域的ChatGPT時刻。
目前，SAM已經開源，並進一步提供了其10億掩碼數據集的完整細節，Meta官方的說法是，隨著技術發展，SAM可以成為AR、VR等更通用系統的強大組件。
聯想到今天介紹的Wonder Studio，接入SAM能力後，對原有人類圖像的分割，是不是就不再會出現裙角被遺漏的情況了？
內測申請地址：
https://docs.google.com/forms/d/e/1FAIpQLSdLY3_MQuMEqBy-MZCyXHoPe2YK5BUiSQecjCt0eLUQCux4qA/viewform
參考鏈接：
[1]https://twitter.com/shota7180/status/1644815889576128512
[2]https://twitter.com/wonderdynamics/status/1644376317595615233?s=46&t=HBob6gxh8cOfZTIbieKeSA
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載