استودیوی نتفلیکس-owned Eyeline از هوش مصنوعی مولد برای جایگزینی مکان‌ها، بازسازی جمعیت و تغییر نورپردازی پس از فیلم‌برداری استفاده می‌کند، در حالی که ابزارهایی را توسعه می‌دهد که حتی به کارگردان‌ها اجازه می‌دهد تا پس از ثبت عملکرد بازیگران، موقعیت دوربین را تغییر دهند.
«ما با استفاده از پرامپت‌ها به صحنه‌ها و فیلم‌ها وارد نمی‌شویم. این روش ما نیست»، محسن موسوی، معاون نوآوری مجازی Eyeline، سه‌شنبه در کنفرانس View در تورین گفت و رویکردی را که استودیو آن را «تولید ترکیبی» می‌نامد، توصیف کرد، که شامل ترکیب فیلم‌برداری زنده، VFX سنتی و گردش‌کارهای مولد است.
موسوی که اعتبار او شامل فصل پایانی «بازی تاج و تخت» است، استدلال کرد که تولید یک تصویر هوش مصنوعی قانع‌کننده تنها آغاز کار است. مدل‌های مولد می‌توانند یک تولید را تقریباً «60، 70 درصد» پیش ببرند، اما «رسیدن به 100 درصد مهم‌ترین چیز است». او در حال توصیف کشمکش نهایی بین خروجی امیدوارکننده و تصاویری است که با تقاضای سازگاری، وضوح و کنترل خلاقانه در تولید پس از آن مطابقت دارد، نه یک معیار عملکرد رسمی.
رویکرد Eyeline قبل از شروع فیلم‌برداری آغاز می‌شود. بخش هنر مولد آن در کنار هنرمندان سنتی طرح‌ها را بررسی می‌کند، در حالی که گردش‌کارهای «مجموعه کم‌حجم» به بازیگران اجازه می‌دهد تا روی مجموعه‌های فیزیکی جزئی تحت نورپردازی نسبتاً مسطح عمل کنند. سپس می‌توان محیط و نورپردازی را بازسازی کرد، در حالی که عملکرد اصلی بازیگران حفظ می‌شود. «این گسترش بخش هنری سنتی است»، موسوی گفت، نه جایگزینی برای آن.
یک سیستم مرتبط از ضبط حجمی به بررسی مجدد زوایای دوربین و نورپردازی پس از فیلم‌برداری اجازه می‌دهد. در نمایش‌ها، Eyeline تصاویری را نشان داد که در یک مکان فیلم‌برداری شده و به مکان دیگری تبدیل شده‌اند، از جمله محیط‌هایی که بدون تکیه بر صفحه‌های سبز ایجاد شده‌اند. «این به ما آزادی نور و آزادی دوربین پس از فیلم‌برداری می‌دهد»، موسوی تأکید کرد که حفظ هویت و عملکرد بازیگران مهم است.
این استودیو قبلاً بخش‌هایی از این رویکرد را در تولیدات نتفلیکس به کار گرفته است. در «برزیل 70: ستاره سوم»، درام مربوط به پیروزی تیم ملی در جام جهانی 1970، Eyeline به ساخت جمعیت وسیع و واکنش‌گرا مورد نیاز برای بازسازی این مسابقات کمک کرد. این فرآیند شامل عناصر فیلم‌برداری شده، اسپرایت‌ها، CG سنتی و تکنیک‌های مولد بود، نه تکیه صرف بر هوش مصنوعی. موسوی گفت که نتایج «انجام آن با بودجه موجود از طریق روش‌های سنتی VFX بسیار، بسیار دشوار بود».
برای مستند تاریخی پنج قسمتی «آزمایش آمریکایی» نتفلیکس، او گسترش پس‌زمینه، گرد و غبار مولد و سایر عناصر ساخته شده به صورت دیجیتالی را که با فیلم‌برداری عملی ادغام شده‌اند، نشان داد. Eyeline همچنین تکنیک‌هایی را برای تغییر سن ظاهری یک بازیگر در حالی که عملکرد اساسی او حفظ می‌شود، و یک تحقیق کوتاه برای بررسی تنظیمات دوربین و نورپردازی پس از فیلم‌برداری نشان داد.
در میان فناوری‌هایی که هنوز در حال توسعه هستند، می‌توان به سیالات مولد قابل کنترل اشاره کرد. موسوی اذعان کرد که شبیه‌سازی‌های مولد فعلی غیرقابل اعتماد هستند. «آنها قطعی نیستند و کنترل آنها بسیار دشوار است». Eyline می‌خواهد هنرمندان سرعت، ویسکوزیته و آشفتگی آب را با استفاده از فریم‌های کلیدی تنظیم کنند و بدون تغییر شبیه‌سازی اساسی، فوم یا اسپری اضافه کنند. «اغلب در جلوه‌های ویژه، آنچه واقعاً می‌خواهید انجام دهید، شکستن فیزیک سیال است»، او توضیح داد تا به یک اثر خلاقانه خاص دست یابد.
سایر نمایش‌ها شامل تغییر سبک یک ضبط 3D گوسی از زمستان به پاییز و نورپردازی هوش مصنوعی به کمک عملکرد انسان بود. یکی از سیستم‌ها از 40 دوربین RED V-Raptor همگام برای جمع‌آوری داده‌های آموزشی استفاده می‌کند. Eyeline همچنین تجهیزات ضبط قابل حمل‌تری را توسعه داده است. موسوی همچنین تحقیقاتی را در مورد ساخت یک صحنه 4D قابل پیمایش از یک ضبط تک‌دوربینه‌ای به نمایش گذاشت. او تأکید کرد که چنین آزمایش‌هایی متمایز از تکنیک‌هایی است که در نمایش‌های تکمیل شده به کار گرفته شده‌اند.
سیستم‌های Eyeline به شدت به کار اختصاصی متکی هستند تا به ژنراتورهای آماده استفاده شوند. «اکثر کارهایی که انجام می‌دهیم بر اساس تحقیقات و مدل‌های خودمان است»، او تأکید کرد. این استودیو همچنین از مشارکت‌های خارجی و داده‌های آموزشی ضبط شده به طور خاص استفاده می‌کند، اگرچه موسوی ارائه دهندگان مدل پایه خود را شناسایی نکرد.
این ارائه در حالی صورت می‌گیرد که نتفلیکس به طور جداگانه جاه‌طلبی‌های خود را در زمینه هوش مصنوعی گسترش می‌دهد، از جمله خرید شرکت فناوری فیلم‌سازی Ben Affleck، InterPositive. این شرکت استریمینگ در ماه ژوئیه اعلام کرد که تقریباً 300 عنوان از هوش مصنوعی مولد استفاده کرده‌اند.
برای موسوی، صرفاً داشتن قابلیت فنی کافی نیست. «ما می‌خواهیم اطمینان حاصل کنیم که یک جعبه سیاه نیست»، او اضافه کرد و اصرار داشت که فیلم‌برداران و طراحان تولید باید بتوانند نتایج را شکل دهند. محدوده دینامیکی بالا، تکمیل 4K و سازگاری زمانی همچنان چالش‌های مهمی هستند، حتی با پیشرفت راه‌حل‌های Eyeline. «هدف این است که کاملاً منسجم باشد»، او نتیجه‌گیری کرد، مهم نیست که یک تصویر نهایی از کجا آمده باشد، از دوربین، جلوه‌های ویژه سنتی یا فناوری مولد.
نویسنده: Davide Abbatescianni