Все больше и больше приложений машинного обучения находят применение в различных аспектах кинопроизводства и актерского мастерства.

Настройка сцены

В предыдущих постах мы рассмотрели, как искусственный интеллект/машинное обучение все чаще применяется в науке, а также в различных (других) творческих начинаниях (часть 1, часть 2).

Давайте теперь отправимся в страну, где встречаются большие бюджеты и творчество: Голливуд, Тинселтаун, волшебную страну кино.

Там за увеличением бюджета следует более широкое использование все более и более утонченной CGI. Решения о производстве фильмов зависят не только от бюджета, но и от прогнозируемой прибыли. Эти прогнозы основаны на данных зрителей. Распределение бюджета? Данные. Компьютерная графика? Данные.

Я уже слышу, как ИИ потирает свои виртуальные руки.

Бюджеты блокбастеров

Производство первоклассных фильмов — недешевое вложение. Современные блокбастеры регулярно превышают 200 миллионов долларов. Если вы из продюсерской компании, собирающейся сделать (часть) такие инвестиции, вы должны быть уверены, что фильм станет хитом. Никто не инвестирует без ожидания прибыли.

Как вы оцениваете коммерческий потенциал фильма? Посмотрите в прошлое. Какие (тип) фильмы преуспели? Есть ли общие характеристики блокбастеров? Что ищут зрители и на что они готовы тратить деньги?

Страх потерять деньги и отклониться от известных формул успеха привел к нынешней «эпохе сиквелов».

Но, как мы все знаем, это не гарантия успеха. Одни сиквелы хороши, другие не очень.

Что, если бы у нас была система, которая включала бы как можно больше релевантных параметров в оценку «потенциала блокбастера», не сдерживаемая — или, по крайней мере, в меньшей степени — неприятием человеческого риска?

Угадай, что? Крупные продюсерские компании уже этим занимаются. 20th Century Fox использует систему под названием Merlin (которая предсказала успех Логана), Warner Bros. недавно начала сотрудничать с Cinelytic, компанией, использующей машинное обучение для прогнозирования успеха фильмов. Бельгийская компания ScriptBook может предсказывать кассовые сборы фильма с вероятностью успеха 86% (и, возможно, уже является соавтором сценариев для фильмов — мы не знаем, какие из них из-за соглашений о неразглашении…).

Никто не инвестирует без ожидания прибыли.

Будем только надеяться, что более широкое использование этих систем ИИ/машинного обучения также приведет к поддержке скрытых драгоценных камней, которые в противном случае были бы проигнорированы. Если студии предоставляют больше данных, чем просто прошлые успехи, могут ли эти системы предвидеть усталость кинозрителей от сиквелов?

Компьютерная графика, бессмертие и дипфейки

Все мы слышали о магии зеленого экрана. Актеры и актрисы делают свое дело перед зеленым экраном, художники VXF добавляют немного магии компьютерной графики и вуаля, наши герои и злодеи сражаются с лазерными пушками на крыше космического корабля. (Дополнительный факт: экран зеленый, потому что изначально его использовали метеорологи, которые — в свое время — предпочитали носить синие костюмы. Какой цвет контрастирует с этим? Верно, ярко-зеленый.)

Но отделить настоящих актеров/актрис от виртуального фона не всегда просто.

На самом деле, лучшие, самые плавные результаты требуют почти попиксельного назначения пикселей актеру/актрисе, объекту переднего плана или фону. (И даже есть надоедливые пиксели, которые содержат всего понемногу.)

Введите ИИ.

Исследователи Массачусетского технологического института недавно представили систему под названием семантическая мягкая сегментация, которая:

… анализирует текстуру и цвет исходного изображения и объединяет их с информацией, полученной нейронной сетью, о том, что на самом деле представляют собой объекты на изображении.

Короче говоря, система значительно ускоряет процесс, и хотя в настоящее время она работает со статическими изображениями, мало кто сомневается, что киноиндустрия внимательно следит за ее развитием.

А сами актеры/актрисы?

Одна вещь, которую ИИ/машинное обучение уже могут сделать, — это настроить актеров/актрис. Хорошо известный недавний пример — Ирландцы, фильм, в котором Роберт Де Ниро, Джо Пеши и Аль Пачино омолодились с помощью комбинации машинного обучения и инновационных методов захвата движения. Нет необходимости проводить долгие часы в гримерке.

Другой пример — Танос в Мстителях: Финал. Новая система машинного обучения под метким названием Masquerade нарисовала выражение лица Джоша Бролина на рендеринге лица Таноса в высоком разрешении, сэкономив художникам визуальных эффектов многие часы кропотливой работы.

Дело не в ИИ, а в том, как мы его разрабатываем и используем.

Но это настоящие актеры. Как насчет реальных систем с искусственным интеллектом?

Ну, мы еще не там. Но, учитывая нынешние пугающе хорошие дипфейки и растущую способность систем машинного обучения совершать то, что почти похоже на творческие прыжки, внезапно делает реальную жизнь S1m0ne менее правдоподобной.

Выведет ли это актеров/актрис из бизнеса? Я надеюсь — и думаю — нет. Как и в случае с другими художественными начинаниями ИИ, будущее может быть гибридным. Полунезависимые актеры с искусственным интеллектом могли бы дать актерам/актрисам-людям партнера, с которым они могли бы играть перед зеленым экраном или, возможно, даже импровизировать.

Возможная проблема заключается в том, что данные, используемые для разработки голливудского ИИ, могут отражать или даже усиливать существующие предубеждения. С другой стороны, осторожное и разумное использование машинного обучения может помочь выявить указанные предубеждения. Дело не в ИИ, а в том, как мы его разрабатываем и используем. Использование ИИ в Голливуде должно сопровождаться разнообразным и инклюзивным составом персонажей.

И… вырезать.