养过猫的朋友们肯定都知道猫咪掉毛有多么严重,被子上、沙发上、衣服上,无论哪里都能留下它们的毛发(无毛猫请自动退出群聊),着实令人头大。
一样头大的还有那些动画制作人们,不过他们关心的不是掉毛,而是毛发本身,那么多的毛发如何才能飘逸起来呢?这是一个大问题。
现如今的动画可谓是百花齐放,按照不同的分类规格能够分类出几十种动画电影形式,比如适合展现个人艺术思想的素描动画、油画动画;传统木偶戏般的立体动画;以及适合商业模式的电脑动画。近些年的CG电脑动画,得益于计算机图形技术不断革新,电脑动画在画面的表现上也越来越逼真。
在小编的记忆中,第一次感到惊艳的CG动画电影是2002年蓝天工作室的《冰河世纪》,一望无际的冰原、跌宕起伏故事剧情,还有长毛象曼尼一身飘逸的毛发,无论是寒风过境的随风摆动、还是落入水中毛发的粘合效果都十分逼真。
在当时,大多数CG动画电影都尽量避开复杂的毛发,因为大量的毛发则意味着对技术和硬件设备的巨大挑战,单独的毛发制作起来并不是很困难,只需要对每根毛发进行单独的建模渲染,也可以达到自然的毛发效果,但长毛象这种发量众多的动物光从毛发数量上来说就是一个难题。
而真正逼近现实的毛发效果则需要更多的技术支持,运动时毛发的物理效果需要对覆盖在毛发下的肌肉进行细致的模拟,而不同动物的不同毛发质感则需要对每种动物进行更深入的研究,比如《疯狂动物城》的制作组走访了很多野生动物园和历史博物馆,用显微镜来研究动物的毛发,甚至毛囊都在研究范围之内。
在对毛发进行足够深入的研究和模拟之后,大量细微而精致的毛发效果对于场景渲染的需求来说也是极高的,无论毛发的制作技术再精良,渲染是动画始终绕不过的一道坎。
那么什么是渲染?
其实简单来说就是将制作好的模型、材质、灯光贴图等合成为一张图片,每一张图片是一帧,然后再将大量静帧的图片一张张地播放形成动画。一个一分钟的动画,至少需要渲染1440帧静止图片,普通的电脑渲染一帧的时间约为八到十分钟,渲染一分钟动画的时间至少需要11520分钟,也就是192小时,在此期间电脑一般不能做其他的任何事情。
这种单一且极度依靠算力的工作,往往都是交给大规模服务器来制作,除此以外,还需要丰富的软件支持以及多机同时工作的能力,搭建一个渲染平台是每个动画制作组必须要考虑的事情,而构造渲染平台的第一步就是选择一台靠谱的服务器,有问题自然会有答案,追光动画以及MPC Film都在用的戴尔易安信PowerEdge服务器也许正是这个问题的标准答案。
以制作《白蛇2:青蛇劫起》的追光动画为例,利用PowerEdge R740xd机架式服务器搭建的渲染云平台,将整体渲染能力提升到以往的数倍。
云平台内的计算节点和管理节点会将影片分割为若干单元并通过网络分配给其他节点,集群软件会不断检查云平台内每个渲染节点的负载,自动分配空闲的计算节点,保证所有节点都能够高效运转直到全部渲染工作完成,将原本一个月完成的工作缩减到3-4天,制作能力提升一倍,大大提高了工作效率。
CG动画是艺术与技术的融合,这些飘逸的毛发也随着图形技术的革新慢慢“生长”出来。
历史上第一次用CG技术制作人类毛发的动画影片是1995年皮克斯的《玩具总动员》,同时它也是历史上第一部动画长片,他们先用Maya建立头部模型,再将头发贴图直接覆盖在模型的表面,加入简单的物理系统,能够模拟出简单的运动效果,尽管效果不尽如人意,但在当时也是十分大胆的尝试了。
在这之后的短短二十年里,毛发制作技术突飞猛进,我们的动画角色也不用顶着一块“西瓜皮”在雨中凌乱,从精灵鼠小弟斯图尔特到总是吓不到人的毛怪苏利文,再到《疯狂动物城》里各式各样的小动物,一只只鲜活的动物出现在荧幕上,越来越成熟的CG毛发技术使得未来电影的创作拥有更加广阔的空间,也带给观众们更加丝滑的电影体验。
那么在你的心中,有没有哪个动画角色让你眼前一亮呢?咱们评论区里见。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。