机器人反抗人类视频爆火，背后还有AI神器加持，《头号玩家》男主创业项目，

注意看，这个机器人对抗人类的视频，在网上彻底火了。

那叫一个拳拳到肉，刺激程度引得围观群众大呼鹅妹子嘤。

好消息是，这个机器人并非真实存在。

但另一个不知道是好还是坏的消息是，这样的特效，是 AI 一键合成的。

就是说，从左边这样的人类实拍，到右边这样的特效画面，人类需要做的，只是用鼠标把模型拖到画面里。

这个 AI 神器，名叫 Wonder Studio AI。

刚发宣传片时，就曾引发 wo cao 声一片。

现在内测名额开始发放，网友们上手一玩，更是停不下来，直接在社交媒体上刷了屏。

比如随手来一段比波士顿动力还动感流畅的男团热舞。

或者在自个儿屋里来段 freestyle。

这个作品的作者还透露，这是一个原本需要三天完成的视觉特效镜头，现在只需要 1 分钟。

也难怪网友们坐不住了。

无需动捕设备，一键生成 CG 动画

有关 Wonder Studio，官方的说法是，“一种可自动为 CG 角色制作动画、打光，并将其合成到真实场景中的 AI 工具”。

只需一台用来拍摄的相机，拍好视频后丢进 Wonder Studio 处理，就足以以假乱真。

具体步骤是这样的:

首先用相机拍摄一段视频，视频中，真人演员可以随意做出任何动作；

将 MP4 或 MOV 等格式的视频导入 Wonder Studio，并选定需要处理的视频段落，拖入中间区域等待处理；

点击菜单栏的 next 按钮，AI 开始识别和分析视频中的人物；

选中右侧选项栏中所需要的 CG 模型，拖拽至需要替换的人物区域；

这时候会跳出一个小框，能够根据需要调整 HDR 打光、画质清晰度、视频格式等。

最后，选择解算生成，就能完成视频段落中 CG 模型对真人演员的替换。

对于专业人士来说，除了最终成品，Wonder Studio 还能导出新视频的不同轨道，包括动作捕捉、摄像机跟踪和空镜等等。

面对需要修改的细节，也可以直接上手微调。

传统的 CG 制作流程，需要移除原有人物、把需要替换的 CG 元素导入引擎或 Blender 等软件当中、根据相机解算结果进行合成、匹配灯光、渲染…… 最终把新的 CG 模型放到视频场景中。

比较而言，用上 Wonder Studio 后简化了很多工序，也难怪很多人评论，如果这个工作流跑通，是十分利好小成本影视制作的。

不过，Wonder Studio 并非十全十美。

主要体现在 CG 模型覆盖原人物后，CG 角色和背景衔接处处理不算优秀。

比如会出现美颜瘦脸特效开太大，以至于脸部周围背景扭曲的情况:

而且，CG 模型的边缘像素会被拉伸，原人物的衣物等不能做到 100% 消除和被覆盖:

开头展示的爆火视频中，其实也有不少穿帮镜头。

所以，虽然效果强大操作简单，目前而言，Wonder Studio 还是不能单独放到实际项目中使用，否则一眼惊艳，再看露馅。

但其展示的潜能，已经得到内测网友的盖章肯定。

有内测网友反馈，在他的几次测试中，Wonder Studio 能够自动化 80% 的视觉特效工作。

它仍存在一些困难的领域，但它提供的价值主张是，只需要付出很少的努力就能做出相当不错的东西。

而且这只是开始！它还会变得更好！

《头号玩家》男主创业项目

有意思的不止是产品，Wonder Studio 背后的公司，也颇有故事。

它的出品方是一家名叫 Wonder Dynamics 的 AI 初创公司，致力于通过 AI 提高电影制作的效率和质量。

截至目前，公司在种子轮和 A 轮一共募集了 1150 万美元融资。

Wonder Studio 是他们筹备 3 年后，推出的一款基于 AI 的在线视频特效处理平台。

公司已经表示，Wonder Studio 后续还将继续简化动作捕捉和渲染环节，继续提高制作效率。而且在公司的设想中，创作者在将来还能在系统自由上传自己的 3D 模型。

再来看公司创始团队，不少人是熟面孔。

比如世界闻名的导演斯皮尔伯格，就是这家公司的顾问。

而公司创始人之一，是《头号玩家》男主演泰尔?谢里丹。

还有消息称，美国导演组合罗素兄弟正在拍摄的一部电影中，Wonder Studio 已经参与了部分制作环节。电影主角是《怪奇物语》主演 Millie Bobby Brown 和《银河护卫队》中星爵的扮演者 Chris Pratt，电影将上线 Netflix。

期待电影之前，更值得关注的一点是，最近这段时间，AI 力量对视觉领域疯狂下手了。

这就不得不提到近日在科技圈疯狂刷屏的 Meta 大杀器，Segment Anything Model。

该模型惊艳世人的能力，就是能够识别和分离图像及视频中的特定对象。使用 SAM，用户可以通过单击或输入文字，来选中需要编辑的任何物体。

Meta 在介绍 SAM 时写道:

SAM 已经学会了关于物体的一般概念，并且，它还可以为任何图像，或视频中的任何物体生成 msak，包括训练集中不包含的类型。

SAM 足够通用，且在新的图像领域无需额外训练，达到即开即用。

这种零样本迁移的能力，正是 GPT-4 能力惊人的重要原因之一。因此，国内外不少媒体称 SAM 的发布为 CV 领域的 ChatGPT 时刻。

目前，SAM 已经开源，并进一步提供了其 10 亿掩码数据集的完整细节，

Meta 官方的说法是，随着技术发展，SAM 可以成为 AR、VR 等更通用系统的强大组件。

联想到今天介绍的 Wonder Studio，接入 SAM 能力后，对原有人类图像的分割，是不是就不再会出现裙角被遗漏的情况了？

内测申请地址:

参考链接: