基于AIGC算法的數(shù)字人技術(shù)在電影中的應(yīng)用研究摘要伴隨人工智能技術(shù)的進步，生成式人工智能,AIGC于影視行業(yè)里的運用日漸普遍，尤其在數(shù)字人技術(shù)范疇顯示出巨大的發(fā)展?jié)撃?，本文開篇回顧數(shù)字人技術(shù)的發(fā)展歷程，再剖析傳統(tǒng)影視制作里是如何實現(xiàn)虛擬角色的生成與驅(qū)動以及所面臨的核心挑戰(zhàn)。重點探尋AIGC在數(shù)字人建模中的兩種主要途徑，并就其高效性、可拓展性以及高精度等層面深入分析，本文還聯(lián)合具體案例做分析，探尋AIGC數(shù)字人在電影制作中的實際應(yīng)用途徑，涉及虛擬替身和特效角色的構(gòu)建活動、快速產(chǎn)出角色、交互創(chuàng)新的開展以及沉浸式體驗的增強程度，本文對由AIGC驅(qū)動的數(shù)字人技術(shù)的優(yōu)劣之處展開評估，同時展望其今后的發(fā)展趨勢。

關(guān)鍵詞：人工智能、AIGC、數(shù)字人、電影制作、虛擬角色、電影特效ABSTRACTWiththeprogressofartificialintelligencetechnology,basedonthegeneratedartificialintelligence,theapplicationofAIGCinthefilmandtelevisionindustryisbecomingmoreandmorecommon,especiallyinthecategoryofdigitalhumantechnology,showinggreatdevelopmentpotential.Atthebeginningofthisarticle,thisarticlereviewsthedevelopmentprocessofdigitalhumantechnology,andthenanalyzeshowtorealizethegenerationofvirtualcharactersintraditionalfilmandtelevisionproduction.Andthedrivingandthecorechallengesfaced.FocusonexploringthetwomainwaysofAIGCindigitalhumanmodeling,andmakeanin-depthanalysisofitshighefficiency,expandabilityandhighaccuracy.ThisarticlealsoanalyzesspecificcasestoexplorethepracticalapplicationofAIGCdigitalpeopleinfilmproduction,involvingtheconstructionactivitiesofvirtualdoublesandspecialeffectscharacters,Theenhancementoffastoutputrole,interactiveinnovationandimmersiveexperience.ThisarticleevaluatestheadvantagesanddisadvantagesofAIGC-drivendigitalhumantechnology,andlooksforwardtoitsfuturedevelopmenttrend.Keywords:artificialintelligence,AIGC,digitalhumans,filmproduction,virtualcharacters,filmspecialeffects目錄TOC\o"1-3"\h\u6869摘要 312692ABSTRACT 418749目錄 51023引言 620023第一章傳統(tǒng)數(shù)字人建模方法及其局限性 716652第一節(jié)傳統(tǒng)方法簡介 728997第二節(jié)傳統(tǒng)方法局限性分析 83811第二章AIGC算法驅(qū)動的數(shù)字人技術(shù) 94571第一節(jié)AIGC算法驅(qū)動形象生成 9363一、基于圖像和視頻生成 925983二、參數(shù)化模型生成 93177第二節(jié)AIGC算法驅(qū)動的技術(shù)特點 117152一、高效性 1110107二、可擴展性 1216805三、高精度 1215153第三章AIGC算法驅(qū)動的數(shù)字人技術(shù)在電影制作中的應(yīng)用 1415136第一節(jié)虛擬替身與特效角色 1426504第二節(jié)快速角色生成 1518403第三節(jié)交互創(chuàng)新 1630606第四節(jié)提升沉浸體驗 1612811第四章基于AIGC算法的數(shù)字人技術(shù)在電影中應(yīng)用的優(yōu)劣 1813063第一節(jié)優(yōu)勢分析 1814310一、降低成本 181602二、豐富藝術(shù)表現(xiàn)手段 1926357第二節(jié)局限性分析 1931100一、恐怖谷效應(yīng) 197223二、成本與資源局限性 2031880三、倫理與社會問題 2115291第五章未來發(fā)展與展望 2228826第一節(jié)技術(shù)發(fā)展方向 22455第二節(jié)應(yīng)用前景 2226968結(jié)論 248716參考文獻 25引言數(shù)字人（DigitalHuman/MetaHuman）是具備接近真人的外觀、行為以及思想特征的虛擬實體，在數(shù)字空間中呈現(xiàn)出類人的交互反應(yīng)。[[]鐘世鎮(zhèn).數(shù)字人—信息與生命科學(xué)結(jié)合的新域[J].科領(lǐng)技導(dǎo)報.2005(2).][]鐘世鎮(zhèn).數(shù)字人—信息與生命科學(xué)結(jié)合的新域[J].科領(lǐng)技導(dǎo)報.2005(2).數(shù)字人逐步擁有了更繁復(fù)的動作表現(xiàn)及情感表達能力，回應(yīng)了電影產(chǎn)業(yè)提升視覺效果的期盼，借助三維建模技術(shù)，虛擬人物可在空間中自由旋轉(zhuǎn)和移動，且實現(xiàn)更精細(xì)的細(xì)節(jié)展現(xiàn)，當(dāng)引入動作捕捉技術(shù)，數(shù)字人就被賦予了高度逼真的肢體運動效果，讓其可以模仿并重現(xiàn)人類的動態(tài)舉動。伴隨生成式人工智能（ArtificialIntelligenceGeneratedContent,AIGC的浮出水面，數(shù)字人的表情、語音，甚至思維模式也逐步得到了提升，能表現(xiàn)出更加豐富的情感相關(guān)反應(yīng)，甚至還能實現(xiàn)人機交互活動。伴隨AI技術(shù)的迅猛發(fā)展，數(shù)字人已成為人工智能的核心載體，牽系現(xiàn)實與虛擬世界的橋梁，大語言模型（LLM）與語音生成技術(shù)賦予數(shù)字人自然交流本事；深度學(xué)習(xí)（DL）能讓數(shù)字人模擬人類的思維與行動；大數(shù)據(jù)與云計算技術(shù)推動數(shù)字人實現(xiàn)個性化定制及實時溝通，因這些技術(shù)的賦能，數(shù)字人能夠充分運用其高度擬人化的形象及智能化互動能力，再度定義人類與數(shù)字世界的交互手段，促進敘事與用戶體驗向多元化未來邁步。[[]劉笑微,肖婧瀾,宋震,.數(shù)字人技術(shù)在電影與數(shù)字內(nèi)容領(lǐng)域的創(chuàng)新應(yīng)用[J].現(xiàn)代電影技術(shù),2024(09):33-40.[]劉笑微,肖婧瀾,宋震,.數(shù)字人技術(shù)在電影與數(shù)字內(nèi)容領(lǐng)域的創(chuàng)新應(yīng)用[J].現(xiàn)代電影技術(shù),2024(09):33-40.人工智能正在重塑電影的制作模式，助力產(chǎn)業(yè)實現(xiàn)數(shù)字化發(fā)展，數(shù)字人技術(shù)早已成為一個跨學(xué)科的研究范圍，牽涉計算機科學(xué)、人工智能、數(shù)字藝術(shù)、影視制作等多個學(xué)科方面，并一直帶動虛擬人物真實感及交互能力的提升。[[]\t"/reader/DYLX202418002"[]\t"/reader/DYLX202418002"曹偉;.從“沉浸—反思”到“觀看—互動”:“影游融合”視域下傳統(tǒng)觀影向“數(shù)字人”審美的范式嬗變[J].電影文學(xué),2024,No.855(18).第一章傳統(tǒng)數(shù)字人建模方法及其局限性第一節(jié)傳統(tǒng)方法簡介傳統(tǒng)數(shù)字人建模途徑采用Maya、3dsMax[[]Murdock,K.L.(2008).

3DSmax2009bible

(Vol.560).JohnWiley&Sons.]等專業(yè)類軟件，建模的步驟主要有基礎(chǔ)建模、紋理繪制、骨骼綁定、渲染輸出等。[[[]Murdock,K.L.(2008).

3DSmax2009bible

(Vol.560).JohnWiley&Sons.[]\t"/reader/DNBC202109056"馬倩倩;.基于MAYA軟件的三維動畫制作技術(shù)及應(yīng)用[J].電腦編程技巧與維護,2021(09):146-147+156.以多邊形建模（PolygonModeling）、曲面建模（NURBSModeling）或體素建模（VoxelModeling）等技術(shù)構(gòu)建數(shù)字人的基本幾何形態(tài)，完成基礎(chǔ)建模，含有人類的頭部、軀干、四肢等部分，建模時要留意模型的布線策略，針對運動頻次少且幅度偏小的部位,線條分布宜合理削減，而針對運動幅度較大的地方,如肘膝關(guān)節(jié)、嘴角和眼角等部位，應(yīng)增加線條的密度，保證動畫既流暢又逼真。材質(zhì)與貼圖用來模擬對象的外在屬性及質(zhì)感,給基礎(chǔ)模型添加表層細(xì)節(jié)，采用UV映射（UVMapping）技術(shù)，把二維紋理貼圖精確地附著到三維模型表面，常見的紋理類型有漫反射貼圖、法線貼圖、高光貼圖之類的，完成皮膚、衣物等材質(zhì)細(xì)節(jié)和質(zhì)感的還原后，還需為模型搞出骨骼系統(tǒng)，之后將模型跟骨骼實施綁定,要使骨骼能帶動模型出現(xiàn)預(yù)期的變形結(jié)果。虛擬控制器可實現(xiàn)對人物的操控，模型可完成伸手、跑步、跳躍這類動作，在Unity里，可借助導(dǎo)入模型和動作庫，打開骨骼界面，把animationtype調(diào)整為humanoid，接著開展骨骼綁定工作，開展骨骼綁定能先選中物體，之后再選中骨骼，還可選擇骨骼方面的選項或者選擇附帶自動權(quán)重的情形。在面部表情及姿勢動作設(shè)計完畢后，還應(yīng)做燈光設(shè)置以及攝像機的調(diào)試，以此保障最終畫面的光影效果和視覺震撼力，一般而言要設(shè)置不同類型光源，涵蓋主光決定整體的亮度及方向，輔光起到平衡陰影的作用，輪廓光能增進角色的立體感，環(huán)境光去模擬整個場景的光照，讓場景看上去更自然。各異的光影組合能塑造出截然不同的視覺樣式，寫實風(fēng)格要求過渡要柔和，而卡通風(fēng)格更加看重光影之間的對比，攝像機的角度、位置及其運動方式也十分關(guān)鍵，合理抉擇仰視、俯視或正視角可塑造出不同風(fēng)格的角色形象，而調(diào)整焦距可以影響透視感以及畫面氛圍。動態(tài)鏡頭能增進敘事的實際效果，讓畫面增添沉浸感，完成場景、燈光以及攝像機的設(shè)置后，最終需借助渲染器把三維場景跟角色渲染為圖像或視頻，渲染時應(yīng)全面顧及質(zhì)量、速度、光影計算模式（例如光線追蹤、全局光照GI）、材質(zhì)反射折射特性等情況，以保證畫面合乎藝術(shù)方面需求，又能讓計算成本跟視覺效果之間實現(xiàn)最優(yōu)平衡，在高精度渲染流程執(zhí)行期間，也許還得執(zhí)行分層渲染，并在后期合成階段對色彩、光影及特效進行再優(yōu)化，進而最終拿出高質(zhì)量的視覺作品。[[]王猛,高沛鑫.基于Maya技術(shù)的角色骨骼動畫制作研究[J].電腦知識與技術(shù),2024,20(28):112-114.DOI:10.14004/ki.ckt.2024.1517.[]王猛,高沛鑫.基于Maya技術(shù)的角色骨骼動畫制作研究[J].電腦知識與技術(shù),2024,20(28):112-114.DOI:10.14004/ki.ckt.2024.1517.第二節(jié)傳統(tǒng)方法局限性分析傳統(tǒng)數(shù)字人制作涵蓋建模、紋理處理、骨骼綁定、動畫制作等多個復(fù)雜的環(huán)節(jié)，依賴專業(yè)團隊的長期參與，導(dǎo)致生產(chǎn)效率低，制作周期長，制作預(yù)算高。如表1所示，數(shù)字人涉及到的頂點、紋理和運動數(shù)據(jù)能夠確保動畫人物的運動自然流暢，但這些數(shù)據(jù)是很龐大的。數(shù)據(jù)類型數(shù)據(jù)量數(shù)據(jù)格式空間分辨率時間分辨率頂點數(shù)據(jù)10000頂點/模型obj1920×108060FPS紋理數(shù)據(jù)2048×2048/紋理png2048×204860FPS運動數(shù)據(jù)120幀/動畫fbx2048×204860FPS表1三維動畫數(shù)據(jù)在以往的數(shù)字角色創(chuàng)作范疇，制作者一般會借助專業(yè)級軟件工具，而且要掌握像關(guān)鍵幀動畫、動作捕捉這類專業(yè)技術(shù)，對剛剛開始摸索的初學(xué)者來講，若想達到專業(yè)水準(zhǔn)一般需要投入大量時間做系統(tǒng)訓(xùn)練，關(guān)鍵幀動畫技術(shù)主要借助時間軸上關(guān)鍵幀的設(shè)定，達成對目標(biāo)對象運動軌跡的控制，其主要操作流程有：選好目標(biāo)對象，對時間軸上的首幀、關(guān)鍵幀以及末幀進行參數(shù)設(shè)置，繼而由計算機自動完成中間幀的插值核算。當(dāng)處理復(fù)雜動畫場景之際，制作者依舊需要對每一幀做精準(zhǔn)的調(diào)整，此過程往往會伴隨著繁重的工作量，葛洪央與馬宇飛的《3DSMAX三維設(shè)計項目實踐教程》[M]，大連理工大學(xué)出版社,2018.跟關(guān)鍵幀動畫相較而言，動作抓?。∕otionCapture,MoCap技術(shù)可大幅增進動畫制作的效率。采用光學(xué)或慣性傳感器，系統(tǒng)可捕獲真實人物的動作數(shù)據(jù)，并把動作數(shù)據(jù)映射到虛擬角色之上，生成更貼合自然的運動軌跡，動作捕捉技術(shù)得借助昂貴的硬件設(shè)備，而且在數(shù)據(jù)采集之后，一般需進行繁瑣的數(shù)據(jù)清理和矯正，以消除噪聲干擾、解決丟幀故障以及矯正異常關(guān)節(jié)角度，這使得動作捕捉即便在工業(yè)級動畫制作中普遍應(yīng)用，但從小型團隊或獨立創(chuàng)作者的角度看，其設(shè)備購置成本、數(shù)據(jù)處理的繁雜度和后期修正事宜還是主要挑戰(zhàn)。跟著實時交互、VR和AR的逐步發(fā)展，傳統(tǒng)數(shù)字人建模及動畫制作方法在實時性上的不足日益明顯，傳統(tǒng)方法在動畫調(diào)整以及角色建模進程中高度依賴人工操作，欠缺自動化適配的對應(yīng)機制，難以契合實時渲染的需求，為了可在實時環(huán)境中運行，一般都需要額外進行LOD（LevelofDetail）方面的優(yōu)化，也就是采用減少多邊形數(shù)量或降低紋理分辨率的方式來提高渲染性能，這種優(yōu)化辦法往往會讓視覺效果被舍棄，造成最終呈現(xiàn)的動畫與模型質(zhì)量下降，傳統(tǒng)方法欠缺自動化生成及適配能力，無法迅速制作出符合不同風(fēng)格、不同特征要求的數(shù)字人角色，阻滯了其在個性化應(yīng)用場景中的廣泛拓展。第二章AIGC算法驅(qū)動的數(shù)字人技術(shù)第一節(jié)AIGC算法驅(qū)動形象生成AIGC算法的快速進展使得虛擬角色生成變得高效又精準(zhǔn)，帶動了數(shù)字人技術(shù)在諸多領(lǐng)域的運用，尤其是在影視拍攝、電子游戲開發(fā)以及虛擬現(xiàn)實技術(shù)等板塊，AIGC算法在形象生成方面的應(yīng)用主要能分為基于圖像、視頻生成以及參數(shù)化模型生成，這兩者不僅促使虛擬角色的生成效率提高，還能契合大規(guī)模、個性化的需求。一、基于圖像和視頻生成基于圖像和視頻生成的算法，其核心機制為輸入多張真實人物高質(zhì)量的圖片或視頻片段，利用深度學(xué)習(xí)模型開展特征抽取與模式辨別，學(xué)習(xí)且抓取人物的面部特征、表情細(xì)節(jié)以及動態(tài)行為模式，于是構(gòu)建出高度逼真的虛擬角色形象，接著進一步優(yōu)化其光照、陰影和材質(zhì)方面的屬性，跟傳統(tǒng)建模方法不一樣，該技術(shù)同樣支持對生成的角色實施動態(tài)調(diào)整與優(yōu)化，讓其可以適應(yīng)不同的場景與應(yīng)用需求。VIBE[[]Kocabas,M.,Athanasiou,N.,&Black,M.J.(2020).Vibe:Videoinferenceforhumanbodyposeandshapeestimation.In

ProceedingsoftheIEEE/CVFconferenceoncomputervisionandpatternrecognition

(pp.5253-5263).][]Kocabas,M.,Athanasiou,N.,&Black,M.J.(2020).Vibe:Videoinferenceforhumanbodyposeandshapeestimation.In

ProceedingsoftheIEEE/CVFconferenceoncomputervisionandpatternrecognition

(pp.5253-5263).NeuralHumanVideoRendering[[]Liu,L.,Xu,W.,Habermann,M.,Zollh?fer,M.,Bernard,F.,Kim,H.,...&Theobalt,C.(2020).Neuralhumanvideorenderingbylearningdynamictexturesandrendering-to-videotranslation.

arXivpreprintarXiv:2001.04947.][]Liu,L.,Xu,W.,Habermann,M.,Zollh?fer,M.,Bernard,F.,Kim,H.,...&Theobalt,C.(2020).Neuralhumanvideorenderingbylearningdynamictexturesandrendering-to-videotranslation.

arXivpreprintarXiv:2001.04947.二、參數(shù)化模型生成參數(shù)化模型生成技術(shù)依靠定義多維參數(shù)空間來達成對數(shù)字角色外貌、體型及表情等特征的刻畫，進而提升角色創(chuàng)建時的效率與靈活性，跟依賴視覺數(shù)據(jù)的生成模式相異，參數(shù)化建模利用數(shù)學(xué)模型對人體形態(tài)及運動作抽象描述，憑借參數(shù)調(diào)節(jié)可生成帶有不同生理特征、性別屬性以及面部細(xì)節(jié)的虛擬角色。SMPL（SkinnedMulti-PersonLinearModel）跟SMPL-X是其中較為典型的代表性模型，該類技術(shù)在影視制作的范疇內(nèi)，尤其在要構(gòu)建大量數(shù)字角色的場景中優(yōu)勢明顯，譬如群演生成與復(fù)雜場景的角色搭配。參數(shù)化方法讓制作團隊可快速打造滿足特定需求的數(shù)字角色集合，且支持對外觀屬性與行為模式做動態(tài)更改，該技術(shù)方案切實攻克了影視制作里大規(guī)模角色生成與實時調(diào)整的技術(shù)難題，在進行群體場景構(gòu)建（比如戰(zhàn)爭場面、集會場景或體育賽事）時，極大提升了制作效率與創(chuàng)作自由度。圖2.1MetaHumanAnimator在幕后處理捕捉設(shè)備所發(fā)送的數(shù)據(jù)圖2.1呈現(xiàn)出，MetaHuman借助對真實人體樣本開展3D掃描，搭建參數(shù)化的模型庫，同時借助物理約束機制提升生成結(jié)果的逼真度，該系統(tǒng)供應(yīng)多種可調(diào)節(jié)的參數(shù)，涉及到面部特征、生理特性、毛發(fā)樣式以及服飾等，可實現(xiàn)多樣化數(shù)字角色的創(chuàng)建。系統(tǒng)認(rèn)可導(dǎo)入外部模型，用戶可把自己定制的3D模型轉(zhuǎn)換成參數(shù)化角色，且可借助內(nèi)置工具做優(yōu)化，從動畫制作的角度看，系統(tǒng)采用了高效的面部動畫方案，能迅速達成角色表情綁定，經(jīng)由與主流3D引擎的深度結(jié)合，系統(tǒng)可把掃描數(shù)據(jù)、數(shù)字雕刻模型或傳統(tǒng)建模成果轉(zhuǎn)化成完整的參數(shù)化角色資產(chǎn)，MetaHumanAnimator借助消費級移動設(shè)備開展基礎(chǔ)面部捕捉，而且可依照需求升級到專業(yè)級頭戴設(shè)備，契合不同預(yù)算跟精度的需求，該分層技術(shù)方案大幅削減了數(shù)字角色創(chuàng)建及動畫制作的技術(shù)門檻和費用。[[]/zh-CN/metahuman[]/zh-CN/metahuman第二節(jié)AIGC算法驅(qū)動的技術(shù)特點AIGC（人工智能生成內(nèi)容）算法在虛擬角色構(gòu)建中的運用，不只提升了制作速率，還在多個層面表現(xiàn)出它獨特的技術(shù)長處，生成去對抗網(wǎng)絡(luò)，GAN）[[]Goodfellow,I.J.,Pouget-Abadie,J.,Mirza,M.,Xu,B.,Warde-Farley,D.,Ozair,S.,...&Bengio,Y.(2014).Generativeadversarialnets.

Advancesinneuralinformationprocessingsystems,

27.]、可變式自編碼器（VariationalAutoencoder,VAE）[[]Chen,Y.,Liu,J.,Peng,L.,Wu,Y.,Xu,Y.,&Zhang,Z.(2024).Auto-encodingvariationalBayes.

CambridgeExplorationsinArtsandSciences,

2(1).]、有著擴散屬性的模型[[]Goodfellow,I.J.,Pouget-Abadie,J.,Mirza,M.,Xu,B.,Warde-Farley,D.,Ozair,S.,...&Bengio,Y.(2014).Generativeadversarialnets.

Advancesinneuralinformationprocessingsystems,

27.[]Chen,Y.,Liu,J.,Peng,L.,Wu,Y.,Xu,Y.,&Zhang,Z.(2024).Auto-encodingvariationalBayes.

CambridgeExplorationsinArtsandSciences,

2(1).[]Ho,J.,Jain,A.,&Abbeel,P.(2020).Denoisingdiffusionprobabilisticmodels.

Advancesinneuralinformationprocessingsystems,

33,6840-6851.一、高效性由于算力的升高，依靠大規(guī)模數(shù)據(jù)進行訓(xùn)練，AIGC模型彰顯出了強大的學(xué)習(xí)能力以及在下游任務(wù)時出色的表現(xiàn)成效，可以在短時間迅速達成虛擬角色的生成，跟傳統(tǒng)的手工建模以及逐幀渲染過程比起來，AIGC借助自動化生成行動極大縮減了制作周期。圖2.2GAN模型GAN由判別器跟生成器一起組成，生成器以從潛在特征空間隨機采樣的方式，并不斷錘煉其生成能力以逼近真實數(shù)據(jù)分布，處于對抗性訓(xùn)練機制當(dāng)中，生成模塊漸漸提高其輸出水準(zhǔn)，直至判別器在區(qū)分生成樣本與真實樣本方面存在難題，憑借對抗訓(xùn)練途徑，GAN直接從數(shù)據(jù)分布里開展學(xué)習(xí)，生成高質(zhì)量樣本，避免了顯式對復(fù)雜概率分布進行建模的麻煩。跟傳統(tǒng)方法對比，GAN展現(xiàn)出更高的計算效率，變分自編碼器（VariationalAutoencoder）作為一類概率生成模型，將編碼-解碼結(jié)構(gòu)跟變分推理相融合，可以高效學(xué)懂高維數(shù)據(jù)的低維表示形態(tài)，且無需借助復(fù)雜的采樣策略。該模型以優(yōu)化變分下界，實現(xiàn)重構(gòu)精度與泛化能力的平衡，在視覺內(nèi)容合成、訓(xùn)練數(shù)據(jù)增添以及無監(jiān)督特征學(xué)習(xí)等任務(wù)里表現(xiàn)出明顯優(yōu)越性，跟傳統(tǒng)的生成對抗網(wǎng)絡(luò)相比較，這類模型在視覺內(nèi)容合成任務(wù)里展現(xiàn)出更優(yōu)的穩(wěn)定性與生成質(zhì)量，已在計算機視覺、語言理解等多個領(lǐng)域達成突破性的進步。盡管現(xiàn)階段AIGC的主要應(yīng)用集中在圖像與視頻生成的任務(wù)，但跟生成模型的基本原理存在相似屬性，AIGC算法成功降低了人工成本支出，還極大增進了創(chuàng)作過程的靈活性，使創(chuàng)作者能夠在不太長的時間內(nèi)迅速調(diào)整及優(yōu)化角色設(shè)計，以跟上市場需求的快速轉(zhuǎn)變，尤其是在像游戲開發(fā)、廣告制作這類高度動態(tài)的創(chuàng)作情形中，AIGC大幅度增進了虛擬角色生成的效率與可操作性，進而提升了大規(guī)模數(shù)字內(nèi)容生產(chǎn)的可行概率與應(yīng)用范圍大小。二、可擴展性AIGC算法的又一關(guān)鍵優(yōu)勢為其高度可擴展性，使其可以符合不同風(fēng)格與復(fù)雜度的角色生成要求，經(jīng)過整合多源數(shù)據(jù)集與先進算法，AIGC可創(chuàng)建具備多樣化外觀、表情及動作特點的數(shù)字角色，在影視創(chuàng)作范疇，AIGC可按照劇本條件，生成符合特定文化背景與藝術(shù)風(fēng)格的角色形象；在游戲設(shè)計范疇，該技術(shù)可以構(gòu)建契合不同游戲題材及用戶審美的虛擬角色集合，AIGC的擴展能力沖破了傳統(tǒng)創(chuàng)作方式的禁錮，不僅讓角色設(shè)計的適應(yīng)性變強，還大幅增進了數(shù)字角色的多樣程度與定制化水平，進而更好地契合市場對多元化內(nèi)容的要求。動畫及特效影片制作正由數(shù)字影片走向人工智能引擎電影（mechinima，又叫做虛擬電影或游戲電影）變遷，體現(xiàn)出廣闊的發(fā)展前景潛力，與預(yù)渲染動畫不一樣，無需額外去做設(shè)備、建模、動畫、剪輯類的工作，只要借助游戲自身的引擎就可創(chuàng)作出多樣的過場，中國影視制作公司正與好萊塢一起合作開發(fā)AI引擎電影，此趨勢正重塑著電影的制作模式。[[]引擎電影，不同于預(yù)渲染動畫，無需額外的設(shè)備，無需額外的建模、動畫、剪輯工作，只需利用游戲自身的引擎就可以創(chuàng)作出各種過場[]引擎電影，不同于預(yù)渲染動畫，無需額外的設(shè)備，無需額外的建模、動畫、剪輯工作，只需利用游戲自身的引擎就可以創(chuàng)作出各種過場三、高精度AIGC算法憑借精細(xì)的圖像識別與數(shù)據(jù)處理，可以精準(zhǔn)捕捉與再現(xiàn)真實人物的表情、細(xì)微表情以及細(xì)致的動作狀態(tài)，利用對海量面部表情及動作數(shù)據(jù)的訓(xùn)練，AIGC可生成極為逼真的虛擬角色及其動作，在情感表達范疇，AIGC甚至可制造出細(xì)膩的微表情改變與肌肉運動，實現(xiàn)數(shù)字人在面部表情、目光、細(xì)微動作以及語音同步等方面的高度精確模仿。為了實現(xiàn)高分辨率的輸出，PIFuHD[[]Saito,S.,Simon,T.,Saragih,J.,&Joo,H.(2020).Pifuhd:Multi-levelpixel-alignedimplicitfunctionforhigh-resolution3dhumandigitization.In

ProceedingsoftheIEEE/CVFconferenceoncomputervisionandpatternrecognition

(pp.84-93).]基于PixelalignedImplicitFunction(PIFu)[[]Saito,S.,Huang,Z.,Natsume,R.,Morishima,S.,Kanazawa,A.,&Li,H.(2019).Pifu:Pixel-alignedimplicitfunctionforhigh-resolutionclothedhumandigitization.In

ProceedingsoftheIEEE/CVFinternationalconferenceoncomputervision

(pp.2304-2314).][]Saito,S.,Simon,T.,Saragih,J.,&Joo,H.(2020).Pifuhd:Multi-levelpixel-alignedimplicitfunctionforhigh-resolution3dhumandigitization.In

ProceedingsoftheIEEE/CVFconferenceoncomputervisionandpatternrecognition

(pp.84-93).[]Saito,S.,Huang,Z.,Natsume,R.,Morishima,S.,Kanazawa,A.,&Li,H.(2019).Pifu:Pixel-alignedimplicitfunctionforhigh-resolutionclothedhumandigitization.In

ProceedingsoftheIEEE/CVFinternationalconferenceoncomputervision

(pp.2304-2314).圖2.3擴散模型依據(jù)圖2.2所示，基于擴散過程的生成模型采用了漸進式的去噪策略，借助多步迭代，將簡單的高斯噪聲分布慢慢轉(zhuǎn)化成復(fù)雜的目標(biāo)數(shù)據(jù)分布，借此生成高質(zhì)量的樣本，該模型在訓(xùn)練階段最先通過正向擴散過程給輸入數(shù)據(jù)慢慢添加噪聲，直至數(shù)據(jù)完全退化成為隨機噪聲；在生成階段采用逆向去噪進程，借助已學(xué)習(xí)的噪聲預(yù)測模型逐步消除噪聲，最終復(fù)原出高質(zhì)量的數(shù)據(jù)樣本。該生成機制有能力有效捕捉數(shù)據(jù)的細(xì)節(jié)特征與復(fù)雜分布，因而在需要極高生成質(zhì)量的相關(guān)任務(wù)當(dāng)中體現(xiàn)顯著優(yōu)勢，在影視特效制作工作里，其生成的高分辨率視頻幀以及逼真的角色模型可大幅改善視覺效果，隨著加速采樣算法（以DDIM為例）和模型優(yōu)化技術(shù)的不斷成長，擴散模型的效率問題正漸漸得到優(yōu)化，進一步挖掘了其在實際應(yīng)用中的潛力。采用AIGC技術(shù)，讓數(shù)字人在復(fù)雜光照狀況、精細(xì)材質(zhì)表現(xiàn)以及動態(tài)變化等方面的呈現(xiàn)變得更逼真，這項技術(shù)可實現(xiàn)對場景光照條件的智能分析，并憑借物理渲染或者深度學(xué)習(xí)驅(qū)動的方式達成效果，自動對光影映射、全局光照（GI）、環(huán)境光遮蔽（AO）等關(guān)鍵成分進行調(diào)整，從而使數(shù)字角色在不同光源出現(xiàn)變化時都能展現(xiàn)出合乎真實物理規(guī)律的視覺效果。AIGC利用深度學(xué)習(xí)模型生成高精度材質(zhì)貼圖，動態(tài)模擬諸如皮膚微細(xì)結(jié)構(gòu)、衣物布料特質(zhì)、頭發(fā)光澤這類復(fù)雜材質(zhì)，讓數(shù)字人顯得更加生動逼真，就動態(tài)情況的變化而言，AIGC依靠數(shù)據(jù)驅(qū)動的方式，可預(yù)測并生成更符合生物運動規(guī)則的動畫，讓數(shù)字人在表情變化、肢體動作以及肌肉運動等方面呈現(xiàn)得更自然、順暢。該技術(shù)所實現(xiàn)的突破，為虛擬拍攝、數(shù)字化娛樂、游戲、電影特效、虛擬主播、VR/AR互動體驗等諸多領(lǐng)域創(chuàng)造了更廣闊的可能性，讓數(shù)字人的應(yīng)用不再僅僅局限于傳統(tǒng)預(yù)設(shè)動畫，而是可以做到更靈活、個性化的實時互動與內(nèi)容制作，大幅增強沉浸體驗的真實感。第三章AIGC算法驅(qū)動的數(shù)字人技術(shù)在電影制作中的應(yīng)用第一節(jié)虛擬替身與特效角色數(shù)字替身（DigitalDouble）能替代真人演員完成高風(fēng)險、難以達成的場景，在常規(guī)傳統(tǒng)的拍攝階段，劇組仰仗外貌相像的替身演員，這在一定程度上給特寫鏡頭和長鏡頭的運用設(shè)了限，而跟著數(shù)字人技術(shù)的發(fā)展，數(shù)字替身的精度與逼真的程度不斷升高，增添了視覺敘事的實現(xiàn)機會，在《速度與激情7》里，團隊采用保羅·沃克生前影像資料來生成數(shù)字替身，再聯(lián)合光線匹配、3D跟蹤以及相機運動匹配技術(shù)，補全未拍攝的戲份，同時采用面部捕捉增強畫面真實感，既表達了對演員的敬意，也保障了劇情的順暢連貫。[[]劉笑微,肖婧瀾,宋震.數(shù)字人技術(shù)在電影與數(shù)字內(nèi)容領(lǐng)域的創(chuàng)新應(yīng)用[J].現(xiàn)代電影技術(shù),2024,(09):33-40.[]劉笑微,肖婧瀾,宋震.數(shù)字人技術(shù)在電影與數(shù)字內(nèi)容領(lǐng)域的創(chuàng)新應(yīng)用[J].現(xiàn)代電影技術(shù),2024,(09):33-40.圖3.1《速度與激情7》保羅·沃克傳統(tǒng)的大規(guī)模面部捕捉任務(wù)在拓?fù)涮幚黼A段遇到了高昂計算成本，而且處理效率欠佳，就這一問題而言，以AIGC為依托的動態(tài)面部表情捕捉系統(tǒng)整合了深度學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)（GraphNeuralNetworks，諸如GNN的技術(shù)，采用精準(zhǔn)度高的頭部對齊策略，自動生成拓?fù)浣Y(jié)構(gòu)契合的高質(zhì)量面部模型序列，以此達成面部掃描數(shù)據(jù)的漸進式重拓?fù)鋬?yōu)化。依靠AIGC優(yōu)化拓?fù)浣Y(jié)構(gòu)，系統(tǒng)可在數(shù)據(jù)預(yù)處理階段對拓?fù)洳季诌M行動態(tài)調(diào)整，大幅提高拓?fù)湫?，降低對人工干預(yù)的依賴，采用大規(guī)模預(yù)訓(xùn)練模型，依照不同個體的面部特征自適應(yīng)調(diào)節(jié)拓?fù)渚W(wǎng)格，可做到更智能化的面部捕捉及重建，經(jīng)過拓?fù)鋬?yōu)化的模型在綁定環(huán)節(jié)依舊存在計算方面的瓶頸，拖累了整體制作效率。為進一步達成提升綁定效率的目的，高保真面部自動綁定技術(shù)把AIGC驅(qū)動的智能權(quán)重預(yù)測和法向量約束方法整合起來，采用軟約束優(yōu)化關(guān)節(jié)的具體位置，且借助自適應(yīng)學(xué)習(xí)來動態(tài)更改關(guān)節(jié)變換矩陣，引入基于擴散模型的AI生成式平面法向量的約束手段，把權(quán)重更新過程做優(yōu)化，有效防止傳統(tǒng)數(shù)字人面部自動綁定算法在表情復(fù)現(xiàn)階段可能出現(xiàn)的網(wǎng)格褶皺問題出現(xiàn)。第二節(jié)快速角色生成參數(shù)化建模技術(shù)、自動化生成工具跟人工智能生成內(nèi)容（AIGC）開展深度融合，正在重塑大規(guī)模數(shù)字角色制作的格局，尤其是在群演角色的大批制作范疇，參數(shù)化方法利用定義多維可變動參數(shù)，能高效率產(chǎn)出多樣化的角色資產(chǎn)。在需大量群演角色的復(fù)雜場景（如城市環(huán)境與戰(zhàn)斗場景）之內(nèi)，慣用的手工建模方法往往難以滿足高效制作的訴求，尤其是當(dāng)需要平衡角色多樣性與精細(xì)度的時候，采用整合參數(shù)化建模與AIGC技術(shù)的方式，制作團隊可達成更高效的角色創(chuàng)建流程。團隊可先打造基礎(chǔ)角色模板，然后通過調(diào)控面部特征、發(fā)型、服飾等參數(shù)，迅速做出多樣化的角色，在這個過程里，AIGC技術(shù)采用生成對抗網(wǎng)絡(luò)（GAN）或擴散模型等先進算法，可以自動生成極為精準(zhǔn)的面部細(xì)節(jié)、發(fā)型、紋理以及服飾等，保證每個角色存有個性，還顯得自然并貼合場景需求。跟傳統(tǒng)手工建模的方式對比，此方法大幅削減了人工干預(yù)與制作時間，讓大規(guī)模群演角色的生成過程更迅速、更高效，在影片《哪吒2》當(dāng)中，此技術(shù)應(yīng)用于生成大量呈現(xiàn)古代中國風(fēng)格的群演角色，涵蓋自動貼合角色的服飾、發(fā)型以及配飾等，雖說這些角色是大規(guī)模生成的，但借助參數(shù)化建模和AIGC的精準(zhǔn)把控，每個角色的形象、動作以及情感表達都能維持獨特性。制作團隊可在極短時間里完成大量群演角色的打造，還能讓角色的多樣性與自然性得到保證，適應(yīng)復(fù)雜場景里對大規(guī)模角色生成的需求，極大增進制作效率且壓縮開支，這種技術(shù)的采用為電影、游戲及虛擬場景制作帶來了顛覆性進展，給出了一種靈活性更佳、可擴展且高效的角色創(chuàng)作方案。基于AI驅(qū)動的微表情遷移技術(shù)憑借高效特點，可以迅速捕捉并重現(xiàn)角色臉部表情的細(xì)節(jié)，極大提升了數(shù)字角色面部動畫的制作效能，傳統(tǒng)的面部表情捕捉以及動畫制作一般需要大量手動操作，涵蓋逐幀調(diào)整與精細(xì)建模，這既占用時間又耗精力，還容易引起細(xì)節(jié)的丟失。而基于AI驅(qū)動的微表情遷移技術(shù)對真人演員的表情特征展開智能分析，并借助GAN實現(xiàn)精準(zhǔn)的映射，不用人工干預(yù)，這一過程不只是自動化程度高，還能在不太長的時間內(nèi)實現(xiàn)復(fù)雜微表情的再現(xiàn)，由此極大地提高了動畫制作的效率，在《哪吒2》影片之中，申公豹講“天命不可違”的那個時候，其嘴角那抹微妙的笑意是借助AI技術(shù)快速重現(xiàn)的，可迅速捕捉演員臉部的細(xì)微表情轉(zhuǎn)變，并精準(zhǔn)地映射到虛擬角色的臉上，這使動畫角色的情感表達愈發(fā)細(xì)膩靈動，同時躲開了傳統(tǒng)手工制作的繁雜操作，減少了時間跟成本的投放，采用這一技術(shù)，制作團隊可在更短時間完成具有高精度的面部表情動畫，為影視、游戲以及虛擬人物的制作給出更高效的處理方案。第三節(jié)交互創(chuàng)新數(shù)字人的智能化發(fā)展日益繁復(fù)，還呈現(xiàn)出數(shù)據(jù)、算法跟交互路徑的多維式融合，拿用戶跟超寫實智能數(shù)字人的實時對話交互來說，其核心流程覆蓋語音、文本、情感、視覺等多個層面內(nèi)容，以造就自然、沉浸的交流體驗感。處于數(shù)字人交互系統(tǒng)的技術(shù)架構(gòu)里，語音到文本的轉(zhuǎn)化是首要環(huán)節(jié)，該流程借助自動語音識別（AutomaticSpeechRecognition,ASR技術(shù)把用戶的語音信號轉(zhuǎn)成文本數(shù)據(jù)，ASR系統(tǒng)一般會有前端信號處理，以實現(xiàn)不同環(huán)境和口音條件下的高識別準(zhǔn)確率，轉(zhuǎn)換后的文本稍后被輸入到自然語言處理（NaturalLanguageProcessing,NLP模塊里側(cè)。NLP模塊主要的工作是意圖理解和語義解析，采用分類模型或序列標(biāo)注去識別用戶需求，且依靠依存句法分析、語義角色標(biāo)注等技術(shù)提取關(guān)鍵內(nèi)容，與預(yù)訓(xùn)練語言模型（如BERT、GPT）結(jié)合，提升解析的精準(zhǔn)度，解析做完之后，大語言模型（LLM）依據(jù)解析的結(jié)果生成契合語境的回復(fù)，同時憑借情感分析識別用戶的情緒類別，靈活調(diào)節(jié)語氣、措辭以及表達樣式，以提高交互的個性化水平。文本轉(zhuǎn)語音（TTS）技術(shù)把文本轉(zhuǎn)化成自然語音，當(dāng)下的TTS模型（例如Tacotron、WaveNet）可產(chǎn)出接近真人語音的合成音頻，生成式AI動畫算法依據(jù)對話及情感狀態(tài)，引發(fā)數(shù)字人出現(xiàn)面部表情和肢體動作，把FACS跟運動捕捉技術(shù)進行結(jié)合，保障非語言表達的真實水準(zhǔn)。為改進交互的自然水平，AI可實時調(diào)控語速、語調(diào)及微表情，再基于多模態(tài)融合聯(lián)合對語音、文本及視覺信息進行建模，若用戶正情緒焦慮，系統(tǒng)可放慢說話的速度、柔化說話語調(diào)，隨之生成可安撫情緒的表情，以收獲更智能、人性化的交互反饋。3D實時渲染技術(shù)把語言和非語言表達融合為一體，造就完整的交互場景，此流程一般依靠神經(jīng)輻射場（NeuralRadianceFields,NeRF）也或基于物理屬性的渲染（PhysicallyBasedRendering,基于物理的渲染技術(shù)，數(shù)字人可在不同光照與環(huán)境條件下呈現(xiàn)高度逼真的動態(tài)效果，NeRF借助神經(jīng)網(wǎng)絡(luò)對場景光場進行建模工作，可生成質(zhì)量上乘的光影效果，而PBR借助模擬光線與材質(zhì)的物理相互作用，進一步強化渲染的真實質(zhì)感，這些技術(shù)相結(jié)合，極大提升了用戶的沉浸式體驗，讓數(shù)字人交互呈現(xiàn)更自然生動。第四節(jié)提升沉浸體驗基于AIGC的數(shù)字人技術(shù)能顯著增進虛擬角色的表現(xiàn)力，尤其是在表情跟動作的真實呈現(xiàn)方面，采用深度學(xué)習(xí)和大規(guī)模數(shù)據(jù)開展訓(xùn)練，AIGC能準(zhǔn)確捕捉并仿效人類面部表情及身體動作的細(xì)微變動，使虛擬角色的情感表現(xiàn)更顯自然真切，這種高精準(zhǔn)度的表情與動作不僅充實了角色的情感層次，還可借助動態(tài)變化精準(zhǔn)體現(xiàn)角色的內(nèi)心狀況與情感起伏，進而強化觀眾對角色的認(rèn)同感與代入體驗，在觀賞影片或跟虛擬角色互動之際，觀眾能察覺到角色的情緒波動和行為反饋，這種沉浸式體驗明顯強化了情感聯(lián)結(jié)與互動功效，讓虛擬角色從純粹的數(shù)字影像轉(zhuǎn)變成為具有生命力與情感共鳴的存在。圖3.2《哪吒2》在傳統(tǒng)動畫制作期間，角色的運動靠手動去調(diào)節(jié)骨骼的權(quán)重，而《哪吒2》開發(fā)了以深度學(xué)習(xí)為基礎(chǔ)的AI骨骼動力學(xué)系統(tǒng)，該系統(tǒng)憑借學(xué)習(xí)300萬組武術(shù)動作數(shù)據(jù)，可自動生成肌肉收縮以及皮膚褶皺的物理反饋，使角色的動態(tài)呈現(xiàn)更顯自然，處于哪吒騰空劈砍的時刻，AI實時算出胸鎖乳突肌的拉伸以及三角肌的收縮，還模擬汗液呈現(xiàn)出的表面張力，由此強化了生理上的真實感，呈現(xiàn)出更好的視覺體驗感。[[]李瑞璐,林婧.《哪吒2》百億票房背后的數(shù)字盛宴[N].人民郵電,2025-02-20(005).DOI:10.28659/ki.nrmyd.2025.000309.[]李瑞璐,林婧.《哪吒2》百億票房背后的數(shù)字盛宴[N].人民郵電,2025-02-20(005).DOI:10.28659/ki.nrmyd.2025.000309.AIGC技術(shù)生成的數(shù)字人不僅能呈現(xiàn)復(fù)雜的面部表情，還能模擬出極為協(xié)調(diào)的肢體動作，依靠動作捕捉與AI算法相結(jié)合，虛擬角色的肢體動作可以跟面部表情、語音、眼神等元素實現(xiàn)高度的契合同步，使角色的表現(xiàn)更為協(xié)調(diào)、流暢與自然。這種精準(zhǔn)的肢體動作與表情協(xié)作，讓虛擬角色的行為更具可信性，于是讓觀眾更方便地建立情感紐帶，進一步拉高觀影體驗的質(zhì)量，經(jīng)由優(yōu)化虛擬角色的情感表現(xiàn)與行為回應(yīng)，AIGC技術(shù)不僅拉高了觀眾的沉浸感，也推動了虛擬角色與現(xiàn)實人物之間情感共鳴的加劇，進而在娛樂產(chǎn)業(yè)里開拓了新的創(chuàng)作與展現(xiàn)空間。第四章基于AIGC算法的數(shù)字人技術(shù)在電影中應(yīng)用的優(yōu)劣第一節(jié)優(yōu)勢分析一、降低成本遵照2.2.1里的說明，借助AIGC算法的數(shù)字人技術(shù)，在電影制作里顯著提升了效率，且明顯降低了成本，由英國生成式AI企業(yè)Metaphysic推出的MetaphysicLive，可以按照演員的現(xiàn)場展示，立刻生成高分辨率又逼真的換臉和去老化效果，無需額外做合成以及視覺特效（VFX）處理，該技術(shù)會以30FPS速率流式傳輸AI生成的逼真內(nèi)容至現(xiàn)實場景里。在電影《Here》拍攝工作開展期間，MetaphysicLive讓現(xiàn)場演員的表演直接推動超真實的換臉及去老化效果，大幅壓縮制作周期，劇組同時開展對兩臺監(jiān)視器的監(jiān)看，一臺呈現(xiàn)演員原本樣子，另一臺展示符合場景需求的年齡模樣。Metaphysic依靠訓(xùn)練基于漢克斯和懷特既往影像數(shù)據(jù)的定制機器學(xué)習(xí)模型，開發(fā)出一套面部修改系統(tǒng)，該系統(tǒng)擁有龐大的面部動作、皮膚紋理以及不同光照與拍攝角度下外觀的數(shù)據(jù)集，由此生成的模型可立刻完成面部變換，躲開了傳統(tǒng)CGI所依賴的數(shù)月人工后期制作方式。跟以往逐幀做調(diào)整的減齡技術(shù)不一樣，Metaphysic借助對面部特征點的分析，并把這些特征映射到訓(xùn)練好的年齡變化模型里面，實現(xiàn)瞬間變換成效，2019年《雙子殺手》電影采用類似技術(shù)，經(jīng)過兩年時間才完成，展現(xiàn)出AI賦能電影制作的高效率。AIGC技術(shù)借助降低人工介入，極大縮短角色生成時長，傳統(tǒng)數(shù)字人制作借助復(fù)雜的手工建模及反復(fù)調(diào)校，而AIGC會自動生成面部特征、衣飾及動作，使角色創(chuàng)作的效率與精準(zhǔn)性增強，依托該技術(shù)，制作團隊可在短期內(nèi)完成多個數(shù)字人角色的塑造，以貼合緊張的制作時長，AI生成的流程十分高效，不僅增進了生成質(zhì)量，降低人工差錯，還降低了返工跟調(diào)整的需求，進而切實把控生產(chǎn)成本。AIGC應(yīng)用并非只局限在角色建模上，還能在諸多方面對制作過程做優(yōu)化，借助深度學(xué)習(xí)跟大數(shù)據(jù)驅(qū)動的優(yōu)化算法，AIGC有本事自動調(diào)整光照、材質(zhì)以及動畫細(xì)節(jié)，保證數(shù)字角色在不同場景的時候具備高度的真實感與表現(xiàn)力，此技術(shù)可迅速對不同拍攝條件的變動做出響應(yīng)，自動對細(xì)節(jié)實施優(yōu)化，減少了人工對光影、材質(zhì)和動畫等多重方面的調(diào)整工作，極大提升了做事效率。AIGC憑借可擴展性能夠適應(yīng)多種影視題材的需求，不管是科幻領(lǐng)域、奇幻領(lǐng)域還是歷史題材，AIGC可依據(jù)不同敘事風(fēng)格迅速生成契合劇情要求的角色形象，科幻影視里的未來人類角色跟歷史戲劇里面的古代人物，均可在短時間內(nèi)借助調(diào)整參數(shù)和訓(xùn)練數(shù)據(jù)集生成，保證角色形象跟整體故事的風(fēng)格相統(tǒng)一，這種靈活性以及擴展性不僅讓制作效率提高，還極大地擴充了團隊在項目里的創(chuàng)作自由范圍，同時為各類影視制作給予了有力支撐。二、豐富藝術(shù)表現(xiàn)手段AIGC不光加快了電影工業(yè)化的技術(shù)升級，還為影視敘事內(nèi)容的多樣化發(fā)展給出了新想法，撐開了視聽語言構(gòu)建的創(chuàng)新空間尺度，創(chuàng)作者可沖破物理上可實現(xiàn)的限制和經(jīng)濟上可行的限制，依靠數(shù)字虛擬角色打造更繁雜多樣的角色與場景，為觀眾奉上新穎且逼真的視覺體驗，這種虛實混合的創(chuàng)作模式不僅增進了影視劇情的表現(xiàn)力，還切實提升了觀眾的參與度及沉浸感。圖4.1《蜘蛛俠：英雄無歸》章魚博士在漫威電影《蜘蛛俠：英雄無歸》（Spider-Man:NoWayHome）影片里，利用AI技術(shù)讓阿爾弗雷德·莫里納（飾演章魚博士）和威廉·達福（飾演綠魔）看上去更年輕，采用AI技術(shù)，電影可讓演員的臉回到當(dāng)年飾演章魚博士時的情形，同時保證面部表情自然以及與動態(tài)光照相契合，與傳統(tǒng)CGI實施面部重塑相比，AI技術(shù)讓面部年輕化效果更真實，使觀眾更順暢地接受他依舊是2002年的綠魔，而并非一個“電腦拼湊合成”的角色。該技術(shù)不僅讓角色更貼合早期電影中的模樣，同時極大地擴大了電影的藝術(shù)表現(xiàn)范疇，跟化妝或傳統(tǒng)CG用來還原年輕形象可能產(chǎn)生的“違和感”比，AI憑借分析大量過去的影像數(shù)據(jù)，精準(zhǔn)再現(xiàn)演員年輕時的五官、皺紋與動態(tài)表情，讓其與早期電影當(dāng)中的形象高度一致。AI換臉技術(shù)沖破了時間的束縛，讓過去和現(xiàn)在的角色得以共存，為電影敘事賦予更多可能性，同時還讓電影的藝術(shù)表現(xiàn)形式得到進一步拓展，它不僅提升了角色塑造的逼真程度，還為演員賦予更充裕的表演自由范疇，讓情感展現(xiàn)更為自然活潑，從而增進觀眾的沉浸體驗感。第二節(jié)局限性分析一、恐怖谷效應(yīng)1970年，由日本機器人科學(xué)家森政弘（MasahiroMori）提出了恐怖谷效應(yīng)（TheUncannyValleyEffect），即當(dāng)機器人、數(shù)字人的外貌與舉動逐漸逼近現(xiàn)實中的人類時，觀者的情感共鳴度剛開始會隨著相似度變大而增強。要是相似度達到某個臨界點以后，也就是當(dāng)虛擬形象已十分逼近真實人類，可還是存在細(xì)微不自然之處時，這些違和感會被進一步放大，造成觀者強烈的不適反應(yīng)，甚至產(chǎn)生懼怕心理，該現(xiàn)象在機器人技術(shù)、計算機圖形學(xué)、虛擬現(xiàn)實以及電影特效領(lǐng)域普遍可見，影響著人工智能驅(qū)動的數(shù)字人角色和社交機器人在實際應(yīng)用中的被接納程度。[[]帥可.恐怖谷效應(yīng)下機器人動畫角色設(shè)計邊界研究[D].四川美術(shù)學(xué)院,2023.DOI:10.27344/ki.gscmc.2023.000170.[]帥可.恐怖谷效應(yīng)下機器人動畫角色設(shè)計邊界研究[D].四川美術(shù)學(xué)院,2023.DOI:10.27344/ki.gscmc.2023.000170.說到恐怖谷效應(yīng)的心理學(xué)機制，有的研究認(rèn)為它跟非人化的認(rèn)知過程緊密相關(guān)，所謂非人化，是個體在對他人進行感知時弱化或否定其人性特征，此現(xiàn)象時常伴有厭惡情緒，有概率引發(fā)回避或排斥相關(guān)行為，從進化心理學(xué)的角度去分析，人類對生理異常的本能抗拒屬于適應(yīng)機制范疇，這種厭惡反應(yīng)可助力個體在進化過程里躲避潛在的生物威脅。而恐怖谷效應(yīng)說不定是此機制的延伸情形，即當(dāng)一個高度接近人類的對象在外觀或行為上呈現(xiàn)細(xì)微但顯著的不一致狀態(tài)時，觀者的大腦難以把該對象歸類為純粹人類或非人類，由此出現(xiàn)認(rèn)知上的沖突狀況，此現(xiàn)象體現(xiàn)出擬人化與非人化認(rèn)知之間的復(fù)雜相互影響：當(dāng)數(shù)字人的外觀及行為十分接近真實人類卻未完全契合時，觀者大概會在潛意識里將其歸類到“非人”范疇，進而激起本能性的抗拒或害怕反應(yīng)。[[]杜嚴(yán)勇.恐怖谷效應(yīng)探析[J].云南社會科學(xué),2020,(03):37-44+187.[]杜嚴(yán)勇.恐怖谷效應(yīng)探析[J].云南社會科學(xué),2020,(03):37-44+187.伴隨動作捕捉與面部捕捉技術(shù)不斷提升，虛擬角色的動態(tài)表現(xiàn)已然達到極高的精細(xì)級別，促使其在游戲、電影和社交媒體等領(lǐng)域被廣泛運用，即便采用最先進的AIGC技術(shù)，在處理數(shù)字人的情感表達、肌肉運動以及肢體協(xié)調(diào)性時，也許會出現(xiàn)不易察覺卻影響體驗的小瑕疵，尤其是在復(fù)雜表情展現(xiàn)或微表情轉(zhuǎn)變方面更為明顯，這些細(xì)微的不自然現(xiàn)象成為恐怖谷效應(yīng)的關(guān)鍵誘發(fā)點，造成數(shù)字人在某些情境下還是難以得到完全的認(rèn)同，如何打破這一心理壁壘，讓數(shù)字人形象更自然可信，依舊是人工智能、計算機圖形學(xué)和交互設(shè)計領(lǐng)域的關(guān)鍵研究方向。二、成本與資源局限性AIGC技術(shù)極度依賴高性能硬件設(shè)備（像GPU集群這樣的）和專業(yè)軟件工具，這為中小型企業(yè)和個人開發(fā)者構(gòu)成了明顯挑戰(zhàn)，在大規(guī)模渲染或是復(fù)雜計算任務(wù)的階段里，硬件性能直接掌控著生產(chǎn)效率與輸出質(zhì)量，尤其是在實時渲染的范疇內(nèi)，高質(zhì)量的渲染不光需要強勁的硬件支撐，還牽扯復(fù)雜的光照模擬、物理效果計算以及高精度模型處理，這些因素說不定會引起計算性能瓶頸，引發(fā)延遲問題或幀率出現(xiàn)下降。其制作成本高昂得很，在建模、渲染、動作捕捉以及人工智能訓(xùn)練等多個環(huán)節(jié)皆有體現(xiàn)，高精度動作捕捉設(shè)備、3D掃描儀，以及用于精細(xì)渲染和數(shù)據(jù)處理的高性能計算硬件，費用極為高昂，比如精細(xì)的動畫構(gòu)建、面部表情的調(diào)整完善以及AI訓(xùn)練對計算資源的消耗極多。為了降低中小微企業(yè)和個人開發(fā)者的壓力，行業(yè)應(yīng)探索出更高效的解決途徑，采用優(yōu)化算法削減計算資源消耗，也可利用云計算平臺給出分布式渲染服務(wù)，以此降低對本地硬件性能的依賴度，還能開發(fā)性價比更高的動作捕捉設(shè)備以及簡化工作流程的工具。三、倫理與社會問題人工智能生成內(nèi)容（AIGC）時代的藝術(shù)創(chuàng)作呈現(xiàn)出跟傳統(tǒng)數(shù)字化藝術(shù)大不相同的特征，包含智能化制造、高效產(chǎn)出、內(nèi)容多樣、個性化定制以及隨機創(chuàng)作等特點，這個新興領(lǐng)域還面臨著嚴(yán)峻的隱私跟數(shù)據(jù)安全挑戰(zhàn)，在數(shù)字人創(chuàng)作的過程里，一般要采集真實人類的面部特征、肢體動作以及語音數(shù)據(jù)，該過程存在個人信息泄露與不規(guī)范運用的風(fēng)險，包含但不限于偽造證據(jù)、網(wǎng)絡(luò)詐騙這類違法活動。從法律的層面考量，數(shù)字人技術(shù)存在復(fù)雜的權(quán)益方面問題，當(dāng)數(shù)字人借鑒真實人物的外貌特征及語音時，說不定會引發(fā)肖像權(quán)、聲音權(quán)以及知識產(chǎn)權(quán)等方面的爭端，要把這些法律問題解決，得建立新的規(guī)范體系，就社會接納的角度而言，數(shù)字人技術(shù)面臨文化差異與心理障礙的雙重難題。因為語言表達、面部表情以及行為方式方面存在文化差異，各地區(qū)對數(shù)字人的接受程度也許存在明顯差異，有一部分人對高度擬人化的數(shù)字人呈現(xiàn)出明顯抵觸情緒，尤其是在情感交流或替代人類角色的應(yīng)用場景里，這種心理上的不適或許會對技術(shù)的推廣與應(yīng)用成效產(chǎn)生影響，技術(shù)發(fā)展與應(yīng)用推廣過程中，需要充分考慮這些社會心理因素。需要明確人工智能在藝術(shù)范疇的應(yīng)用邊界，尤其涉及數(shù)字人形象和聲音的所有權(quán)跟使用權(quán)問題，需在對社會倫理和人類價值予以尊重的基礎(chǔ)上，明確人工智能設(shè)計者、藝術(shù)工作者、使用者以及政府機構(gòu)等各方的道德義務(wù)，防止出現(xiàn)倫理方面的偏差。應(yīng)加快藝術(shù)行業(yè)在科技倫理政策上的創(chuàng)新，確定人工智能藝術(shù)的合理應(yīng)用范疇及倫理禁區(qū)，應(yīng)借助打造良好的創(chuàng)意生態(tài)，充分挖掘創(chuàng)意階層的主體性價值，動態(tài)把控人工智能藝術(shù)的人文倫理邊界，依托文化本位根基，推動機器智能走向人文化，服務(wù)于人類的幸福。[[]解學(xué)芳,林舒原.AIGC時代人工智能藝術(shù)創(chuàng)新機理與AI價值對齊[J].數(shù)字文化產(chǎn)業(yè)研究,2024,(01):3-25+2.[]解學(xué)芳,林舒原.AIGC時代人工智能藝術(shù)創(chuàng)新機理與AI價值對齊[J].數(shù)字文化產(chǎn)業(yè)研究,2024,(01):3-25+2.第五章未來發(fā)展與展望第一節(jié)技術(shù)發(fā)展方向處于數(shù)字人技術(shù)的不斷演進里，提升精度成為核心研究方向，采用更大體量的數(shù)據(jù)訓(xùn)練和更領(lǐng)先的算法優(yōu)化，數(shù)字人生成的真實程度得到明顯提高，大規(guī)模數(shù)據(jù)訓(xùn)練使模型得以從更繁雜多樣的樣本中學(xué)習(xí)，從而更精準(zhǔn)