“戴上耳機和目鏡，找到連接終端，就能夠以虛擬分身的方式進入由計算機模擬、與真實世界平行的虛擬空間?！边@，是1992年美國科幻大師尼爾·斯蒂芬森在小說《雪崩》中描述的元宇宙。
30年后，元宇宙概念再次進入人們的視野。先有電影《頭號玩家》票房大火，后有著名社交軟件平臺Facebook(臉書)將公司改名，其創(chuàng)始人扎克伯格更是表示，“元宇宙”會是下一個互聯(lián)網篇章。
游戲行業(yè)作為元宇宙的先行者和試驗田，被廣泛認為是元宇宙的最佳突破口，也是最有可能率先實現(xiàn)“元宇宙”概念落地的應用場景。被譽為“元宇宙第一股”的游戲開發(fā)平臺Roblox在納斯達克上市第一天市值就超過400億美元，相比上市前一年的估值上漲10倍。
如今，游戲行業(yè)對“元宇宙”的理解和運用如何？11月16日，華西都市報、封面新聞記者采訪了育碧中國AI&數(shù)據(jù)實驗室總監(jiān)Alexis Rolland。
記者：您認為元宇宙是一個怎樣的世界？
Alexis Rolland:
在育碧，我們將元宇宙定義為增強的虛擬世界，玩家變身個性化的虛擬形象進入這個與現(xiàn)實世界平行的世界中，并能實現(xiàn)在現(xiàn)實生活中可以做的一切，例如玩游戲、聽音樂會，以及創(chuàng)作。
我們認為，元宇宙的存在主要依賴于六大要素。首先是具備社會屬性，元宇宙為玩家提供了一個社交場所，玩家能夠進行互動，甚至取代和補充現(xiàn)實生活中的社交；其次是擁有持續(xù)性，元宇宙的運行不依賴玩家的存在，可以自行運作；再者，元宇宙促進用戶生成內容，玩家可以通過簡單易操作的創(chuàng)作工具，參與數(shù)字世界的創(chuàng)建，在一定程度上，元宇宙模糊了玩家與創(chuàng)作者之間的界限；元宇宙還是各種媒體行業(yè)并存之地，也就是所謂的媒體融合；元宇宙還具備自有經濟體系，玩家可以在這里掙錢，并且獲得讓其他玩家重視和認可的機會；最后是可擴展性，元宇宙依賴于技術的可擴展性，以讓大量的用戶能夠聚集在同一臺服務器上。
記者：能不能分享下目前在游戲領域對元宇宙的建設有哪些探索？
Alexis Rolland
：虛擬主播和內容創(chuàng)作者的興起，都像是在為元宇宙做準備。他們?yōu)樽约号鋫湎鄬Π嘿F的硬件，并創(chuàng)建復雜的虛擬形象，這些都需要3D模型和動畫領域的技能。其中的挑戰(zhàn)之一是虛擬形象的面部動畫。擁有一張逼真的虛擬面部需要語音和它所承載的情感之間的完美匹配，而面部動畫應該是嘴唇、眼睛、正面等。
在電子游戲的背景下，一般需要以多種語言為不可控的角色制作動畫，可以想象若以每種語言去錄制所有對話臺詞并擁有特定的完美匹配的面部動畫，成本會非常昂貴。育碧的La Forge團隊為此開發(fā)了一個解決方案，我們稱之為“語音匹配”。大體的思路就是從語音中自動生成嘴部的動畫。它基本上將包含對話臺詞的音頻文件輸入，然后輸出音素序列。音素是不同語言中的聲音單位，我們可以將特定的嘴形映射到這些音素上。通過音素序列，我們可以重現(xiàn)動畫曲線以自動為嘴唇制作動畫。
我們仍有改進的空間，但在元宇宙的背景下，這種技術可以用來自動為虛擬形象做嘴部動畫，而無需使用操作復雜的帶有面部攝像頭的大耳機。
除開面部動畫，還有身體動畫。傳統(tǒng)的動作捕捉需要特定的基礎設施或硬件來錄制演員的3D運動。但是在學術界中有一個非常熱門的研究課題，叫做姿態(tài)評估，它包括直接從2D圖像生成3D姿態(tài)和形狀信息。
育碧中國在野生動物方面做了很多工作，我們長期參與《孤島驚魂》系列的開發(fā)，為游戲開發(fā)了具有標志性的動物。為動物制作動畫比為人類制作動畫更困難，所以我們一直致力于這個名為ZooBuilder的研究項目，它從對人體姿態(tài)的研究中找到靈感，其總體思路是能夠基于視頻為四足動物生成3D動畫。由于缺乏數(shù)據(jù)來訓練機器學習的途徑流程，這對制作動物動畫來說更是一個嚴酷挑戰(zhàn)，為此我們利用上了為游戲專門創(chuàng)建的現(xiàn)有關鍵幀動畫數(shù)據(jù)庫。我們構建了一個端到端的途徑，將最初為人類動畫開發(fā)的多個模型結合起來，并為美洲獅重新訓練了這些模型。
而對于元宇宙，這種技術可以使創(chuàng)作者更輕松地創(chuàng)建動畫片段，不過，要為虛擬形象制作動畫還有很多的工作要完成。
育碧中國的數(shù)據(jù)實驗室團隊在育碧軟件中采用了一種新的技術手段，靈感來源于運動匹配，我們稱之為學習運動匹配。我們用一個神經網絡取代了搜索，這個神經網絡可以根據(jù)角色的站位和其他輸入來輸出這些動畫幀。這種技術可以做到和傳統(tǒng)的運動匹配一樣的效果。相比之下，學習運動匹配在內存方面的要求僅是傳統(tǒng)方法的十分之一。
我們運動機器學習在動畫領域的開發(fā)和創(chuàng)新實際上只是一個開始。長遠來講，這種技術將簡化創(chuàng)作者和玩家的工作。
華西都市報-封面新聞記者陳彥霏
（文章來源：華西都市報）
