TechWeb 8 月 3 日报道 文/露天
英伟达被称为芯片圈里最懂人工智能的公司，在本周参加了 SIGGRAPH 2017 大会，这是由 ACM SIGGRAPH（美国计算机协会计算机图形专业组）组织的计算机图形学顶级年度会议。英伟达还发表了一篇名为“一个全新的游戏：英伟达将 AI 带入计算机图形领域”的文章，详细阐述了公司如何利用人工智能颠覆游戏制作者的工作。
英伟达专业视觉产品事业群副总裁 Bob Pette（图片来自网络）
英伟达称，该公司正将人工智能领域的专业知识同具有计算机制图方面的悠久历史结合起来，用来提高游戏、虚拟现实、电影和产品设计开发的 3D 图形的精准度。它可以让逼真的人脸动画变得更容易，模拟光线如何与场景的表面互动，并能更快地呈现逼真的图像。
值得注意的是，这并非是一个研究项目，而是很快会成为一种产品被开发者应用。英伟达即将在今年 11 月份向注册开发者推送 NVIDIA OptiX 5.0 软件开发工具包，它整合了英伟达研发的人工智能技术，是公司最新的 ray 追踪引擎版本。
1、人工智能如何帮助塑造动画面孔
目前，游戏工作室创造游戏中的动画人物，首先需要拍摄下来每个演员的每句台词，之后用软件把这个视频中的演员变成数字替身，再后来变成游戏动画中的人物面孔。
现有的软件需要艺术师们花上数百个小时来修改这些数字面孔，以便与真正的演员进行更紧密的匹配。对于艺术家来说，这是一项单调且乏味的工作；对于工作室来说，花费高昂，并且角色一旦完成，就很难再修改。
所以，减少制作面部动画所需的劳动量，可以让游戏艺术师添加更多的角色对话和额外的配角，并让他们灵活地在脚本变化上迭代。
Remedy Entertainment 公司（以下简称为 Remedy）——最著名的游戏是 Quantum Break（量子休息）、Max Payne and Alan Wake（马克斯佩恩和艾伦维克）等——希望借助英伟达的研究，用更少的人力和更低的成本来为数字双打制作逼真的面部动画。
利用人工智能的计算机图形学，研究人员自动将现场演员的表演(左)转换为计算机游戏虚拟角色(右)。
2、人工智能大幅缩短动画制作时间
Remedy 拥有大量动画数据，加上英伟达 GPUs 和深度学习，英伟达的研究人员们训练出一个神经网络，它可以直接从演员的视频中制作面部动画。
具体来讲，英伟达的解决方案只需要 5 分钟的培训数据，省去了当下需要在几个小时的视频中进行数据转换和润色的工作。从一个简单的视频流中，经过训练的神经网络会自动生成整个游戏所需的所有面部动画。论效果，英伟达人工智能解决方案产生的动画更加一致，并且保持与现有方法相同的保真度。
于是，研究小组进一步推进，训练一个系统用音频来生成逼真的面部动画。有了这个工具，游戏工作室将能够增加更多的支持游戏角色，创建生动的动画角色，并且更容易地用多种语言制作游戏。
3、游戏新时代已然来临
Antti Herva 是 Remedy 公司的首席技术艺术师，他说，随着时间的推移，新的方法将让工作室建立一个更大、更丰富的游戏世界，是现在的水平所无法达到的。现在，这个游戏工作室在制作高质量的面部动画上花的时间，已经比过去少了很多。
Herva 说:“基于英伟达的研究成果，即人工智能在面部动画中的应用，我们相信人工智能将彻底改变内容的创造。在 Quantum Break 游戏中，数字替身复杂的面部动画可能需要数年的时间才能创造出来。而与英伟达合作之后，我们创建了面部动画制作视频和音频驱动的深度神经网络，现在可以在大型项目中减少 80% 的时间，并让我们的艺术师们专注于其他任务。”
4、用人工智能来创建图像
人工智能还有望呈现 3D 图形，这一过程可以将数字世界变成在屏幕上看到的栩栩如生的图像。电影制作者和设计师一般使用一种叫光线追踪的技术来模拟虚拟场景表面的光反射。现在，英伟达正使用人工智能技术来改善光线追踪和光栅化，这是一种在电脑游戏中成本较低的渲染技术。
尽管射线追踪产生了高度逼真的图像，但是模拟数百万的虚拟光线对每个图像都有很大的计算成本。部分计算的图像看起来很噪，就像在极低的光线下拍摄的照片一样。
为了消除图像干扰，研究人员使用了深度学习的方法来预测最终的结果，并从部分完成的结果中得到图像。
由麦吉尔大学的英伟达研究实习生 Chakravarty R.Alla Chaitanya 领导的研究小组创造了一种人工智能解决方案，与现有方法相比，它能在更短的时间内，从更糙、更接近输入的图像中生成高质量的图像。
这项工作不仅仅是一个研究项目，它很快就会成为一种产品。英伟达还发布 NVIDIA OptiX 5.0 软件开发工具包，这是公司最新的 ray 追踪引擎版本。OptiX 5.0 整合了英伟达研发的人工智能技术，将于 11 月向注册开发者免费开放。
5、人工智能创造出平滑的边缘
英伟达的研究人员用人工智能解决了电脑游戏渲染中出现的“抗锯齿”问题。抗锯齿是减少噪点的另一种方法——在这种情况下，部分渲染图像的锯齿边缘，被称为“锯齿”，这些是阶梯状的线条，而不是平滑的线条。(参见下图中左边)。
左侧框框内展示了一个锯齿形的图像，这个图像是锯齿形和像素化的。英伟达的反锯齿算法通过学习从别名到反锯齿图像的映射，生成了更大的图像和 inset。（图片来自于 Epic Games 史诗般的游戏）
NVIDIA 的研究人员 Marco Salvi 和 Marco Salvi 训练了一个神经网络，识别这些人工制品，用平滑的抗锯齿像素代替。基于人工智能的技术比现有的算法产生更清晰的图像。
6、人工智能如何追踪正确的光线
英伟达正在开发一种更加有效的追踪虚拟光线的方法。计算机可以对许多光线的路径进行采样，以生成一个逼真的图像。问题是，并不是所有的光路径都有助于生成最终的图像。
研究人员 Ken Daum 和 Alex Keller 使用机器学习来指导光路的选择。他们将追踪光线的数学原理与人工智能的“强化学习”概念联系起来。
他们的解决方案学会了区分“有用”的路径，即，从那些不为图像做出贡献的路径中，挑选出最有可能将灯光与虚拟相机连接起来的路径。
在这个虚拟的场景中（没有去噪），模拟光的反射是很有挑战性的，因为唯一的光穿过了狭窄的门。而英伟达的人工智能导光模拟通过减少虚拟光的数量来达到 10 倍的图像合成。
正如英伟达所说，相信不久之后，电脑的图形处理器（GPUs）很快就会被用来支持人工智能处理，从而帮助游戏和电影制作者实现更流畅的动作画面、花费更少，以及创造更丰富游戏体验。