人工智能技術(shù)在影視動畫制作中的應(yīng)用

doi：10.3969/J.1SSN.1672-7274.2025.06.041

中圖分類號：TP18；TP31 文獻(xiàn)標(biāo)志碼：B 文章編碼：1672-7274（2025）06-0123-03

TheApplicationofArtificialIntelligenceTechnologyinFilm andTelevision Animation Production

LIWei （ShanghaiFilm ArtVocational College，Shanghai 201210，China）

Abstract：Thisarticle takes flmand televisionanimation production as the mainresearch object，focusing on the application ofartificialintelligence technology.Basedona brief introduction tothecontent involved inusing artificial intelligence toassist fimand televisionanimation production，this article analyzes thetypes andapplication situations of artificial intellgence technologyactuallyused in filmand televisionanimation production，verifies the application effect ofartificial intelligence technology，and hopes to provide reference ideas and experience for promoting the development of the film and television animation production industry.

Keywords： artificial intelligence technology; film and animation; animation production

1 影視動畫制作涉及內(nèi)容

1.1角色建模

角色是影視動畫制作的重要基礎(chǔ)和前提，也是進(jìn)行影視動畫設(shè)計的核心內(nèi)容。結(jié)合影視動畫制作的實際要求，創(chuàng)建角色需要依據(jù)不同的肢體部位分開依次進(jìn)行建模，確保角色每一部分均符合其規(guī)劃的人物特點和形象。這一過程需要消耗大量的時間和精力，應(yīng)用人工智能技術(shù)，可以實現(xiàn)對角色及背景的元素特征提取，在確定圖像中角色人物相應(yīng)元素具體位置的基礎(chǔ)上，依靠人工智能軟件和算法，自動學(xué)習(xí)這些特征元素，在軟件中生成由這些特征構(gòu)成的角色模型1]。

1.2影視動畫后期制作

在影視動畫的后期制作方面，主要涉及針對影視動畫角色人物的摳像、動畫剪輯、場景設(shè)計等內(nèi)容。其中，對影視動畫角色人物的摳像，可以發(fā)揮人工智能技術(shù)中的AI摳像技術(shù)，以圖像分割、卷積神經(jīng)網(wǎng)絡(luò)、風(fēng)格遷移的方式，更高效、準(zhǔn)確地實現(xiàn)對圖像的分割與編輯；動畫剪輯則可以依賴自動跟蹤技術(shù)、語音識別技術(shù)，更準(zhǔn)確地把握影視動畫的節(jié)奏以及情感表達(dá)，提升動畫剪輯的效率和質(zhì)量；場景設(shè)計借助圖像生成與場景分類技術(shù)，基于深度學(xué)習(xí)算法的作用，快速生成高質(zhì)量的場景圖像，從多種場景中選擇更合適的場景模型，搭配動畫渲染的功能，提升動畫效果的真實感與逼真程度[2]。

2 人工智能技術(shù)在影視動畫制作中的應(yīng)用體現(xiàn)

2.1圖像識別技術(shù)

圖像識別用于影視動畫制作的角色建模環(huán)節(jié)，依賴計算機(jī)實現(xiàn)對圖像的分析與處理，獲取圖像中的目標(biāo)物體，識別目標(biāo)物體特征。在實際應(yīng)用期間，依靠圖像檢測與采集設(shè)備，自動獲取圖像中與角色相關(guān)的特征信息，識別角色的頭部、身體、四肢等部分，并將其以學(xué)習(xí)算法從圖像中提取出來，快速生成一個完整的角色模型，并在角色模型中模擬角色所需的面部表情、身體動作等各種細(xì)節(jié)，提升角色模型的呈現(xiàn)質(zhì)感和表現(xiàn)力。除角色建模外，圖像識別技術(shù)也可以用于對影視動畫場景圖像特征的提取與組合。

圖像識別技術(shù)主要依賴機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法實現(xiàn)，其在影視動畫制作中，主要經(jīng)歷以下步驟和環(huán)節(jié)：

（1）經(jīng)由攝影機(jī)、掃描儀等設(shè)施，拍攝獲取不同形式的真實圖像，提取圖像中的特征元素，在計算機(jī)軟件中呈現(xiàn)出來。期間，應(yīng)考慮獲取圖像的清晰度和后續(xù)圖像元素提取與處理的要求，提高對圖像光照、清晰度、信噪比等參數(shù)呈現(xiàn)效果的重視，確保最終獲取的圖像信息有效性[3]。

（2）對獲取到的圖像信息進(jìn)行處理。期間，要求發(fā)揮人工智能、大數(shù)據(jù)等先進(jìn)技術(shù)作用，在依據(jù)圖像信息分布特征，將其劃分為多個不同區(qū)域后，對每一具體區(qū)域的圖像信息進(jìn)行識別和判斷。

（3）對圖像的信息提取，主要依據(jù)圖像的不同類型，從色彩、清晰度、紋理走向、性狀等角度，區(qū)別圖像中的目標(biāo)物體與背景。

（4）依靠算法，匹配采集圖像中各項信息與已有角色圖像數(shù)據(jù)，若二者呈現(xiàn)出相似的特征，則可以將其歸為一類，作為進(jìn)行模型訓(xùn)練的依據(jù)。

期間，對算法的應(yīng)用，以深度學(xué)習(xí)算法為例，主要選擇K-means算法實現(xiàn)對圖像特征的提取（如圖1所示）。

從獲取到的圖像數(shù)據(jù)集合中，確定好初始的聚類中心后，計算集合中其他數(shù)據(jù)到聚類中心之間的距離。以計算的距離結(jié)果為依據(jù)，將這些數(shù)據(jù)按照計算結(jié)果分類到距離最近的類中，再通過對聚類中心的重新計算，對比算法迭代的結(jié)果是否收斂，從而實現(xiàn)對圖像中各類要素特征信息的提取與分類識別。

2.2人體姿態(tài)估計技術(shù)

人體姿態(tài)估計從角色建模的角度，發(fā)揮人工智能技術(shù)的作用，支持3D類影視動作的制作。在角色建模過程中，人體姿態(tài)估計也需要依靠計算機(jī)算法，將傳感器、攝像機(jī)等設(shè)備與計算機(jī)算法程序結(jié)合起來，在經(jīng)由設(shè)備采集人體圖像數(shù)據(jù)后，依靠卷積神經(jīng)網(wǎng)絡(luò)、特征點檢測、深度學(xué)習(xí)等算法的配合應(yīng)用，實現(xiàn)對角色模型姿態(tài)與動作的準(zhǔn)確估算，構(gòu)建出更具真實感的角色模型。

對3D類型影視動畫而言，制作其通常需要依靠大量的運(yùn)動追蹤器，對現(xiàn)實人物的動作進(jìn)行追蹤，并消耗大量時間以手動方式制作每個肢體的動畫。而以人工智能支持人體姿態(tài)估計技術(shù)的應(yīng)用，可以直接將從影像中獲取的二維坐標(biāo)映射到三維空間中，在人工智能技術(shù)為基礎(chǔ)的數(shù)據(jù)集中完成對動作模型的訓(xùn)練。這種模型能夠支持?jǐn)?shù)據(jù)集合中存在的各種3D姿勢，滿足影視動畫角色身體動作的相關(guān)要求。

2.3自動跟蹤技術(shù)

自動跟蹤技術(shù)主要用于影視動作的后期制作，能夠作為支持動畫剪輯的有效參考依據(jù)。動畫剪輯以把握更科學(xué)的節(jié)奏與情感表達(dá)為目的，應(yīng)用自動跟蹤技術(shù)，主要發(fā)揮目標(biāo)檢測算法的作用，配合運(yùn)動估計以及軌跡預(yù)測，獲取針對動畫中角色動作、表情等情況的自動跟蹤[4]。在動畫渲染中，可以結(jié)合確定的場景模型與角色建模，搭配應(yīng)用光線跟蹤技術(shù)、物理模擬技術(shù)、超分辨率等技術(shù)，進(jìn)一步提升動畫的分辨率和質(zhì)量效果。例如，光線跟蹤技術(shù)以目標(biāo)檢測算法的應(yīng)用為基礎(chǔ)，更多用于對光纖渲染效果要求較高的影視動作作品中；物理模擬技術(shù)能夠在構(gòu)建的場景模型中，模擬影視動畫角色的動作以及劇情等內(nèi)容，主要用于驗證相應(yīng)動作和劇情在現(xiàn)實場景中的合理性，進(jìn)而合理設(shè)計彰顯影視動畫作品的藝術(shù)夸張效果。

在實際進(jìn)行動畫剪輯制作時，對圖像中的目標(biāo)物體進(jìn)行檢測，確定目標(biāo)物體的位置和特征，可以發(fā)揮目標(biāo)檢測算法的作用。期間，在對以閾值分割的方法，對圖像進(jìn)行分割處理后，將目標(biāo)圖像具體劃分為背景、噪聲、目標(biāo)三部分，經(jīng)由明確目標(biāo)圖像的主要結(jié)構(gòu)，從而實現(xiàn)對圖像目標(biāo)特性的分析。

在此基礎(chǔ)上，搭配應(yīng)用漸進(jìn)閾值分割算法，將經(jīng)由算法分割的圖像閾值，以漸進(jìn)迭代的形式取值。期間，引入鏈碼描述算法支持目標(biāo)描述和區(qū)域填充，從而確保獲取更完整的目標(biāo)特征。待對目標(biāo)特征的信息完整性和真實性進(jìn)行驗證后，再以信息逐層篩選的方式，確認(rèn)圖像中的目標(biāo)區(qū)域范圍，并提取其中與目標(biāo)檢測相關(guān)的信息，以信息為依據(jù)對圖像進(jìn)行累加，將累加的結(jié)果作為對真實目標(biāo)進(jìn)行判斷與取舍的依據(jù)。

在確定需要進(jìn)行自動跟蹤的目標(biāo)值后，需要對兩幀圖像之間的運(yùn)動位移情況進(jìn)行估計，以對比分析相鄰幀圖像像素塊的方式，尋找圖像中最佳的匹配塊，從而獲得針對目標(biāo)物體的運(yùn)動狀態(tài)以及軌跡變化等信息。

在針對目標(biāo)物體的運(yùn)動軌跡預(yù)測方面，則要求依據(jù)分析的運(yùn)動軌跡結(jié)果，以建模和預(yù)測分析的方式，支持對目標(biāo)未來位置以及行為的預(yù)測，提升對圖像中目標(biāo)物體的準(zhǔn)確跟蹤與控制。

2.4圖像生成技術(shù)

2.4.1圖像生成

圖像生成技術(shù)主要用于影視動畫后期制作中的場景設(shè)計環(huán)節(jié)。該類技術(shù)也主要以深度學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)模型為技術(shù)基礎(chǔ)，在構(gòu)建符合影視動畫制作需求的圖像生成模型后，通過對數(shù)據(jù)的預(yù)處理和模型訓(xùn)練、評估、調(diào)度優(yōu)化，支持圖像的生成與后期處理，從而提高場景圖像的制作效率與質(zhì)量，滿足場景設(shè)計的相關(guān)要求。

在數(shù)據(jù)預(yù)處理與圖像生成模型的訓(xùn)練環(huán)節(jié)，要求圍繞圖像尺寸與亮度調(diào)整、圖像增強(qiáng)等情況進(jìn)行預(yù)處理，以處理后的數(shù)據(jù)集更符合模型訓(xùn)練的要求為目的。將處理好的數(shù)據(jù)集按照模型訓(xùn)練的標(biāo)準(zhǔn)與要求，將其劃分為訓(xùn)練集、驗證集以及測試集，滿足模型訓(xùn)練期間的訓(xùn)練、調(diào)度優(yōu)化和評估等方面的需求。

對圖像生成模型的評估和調(diào)度優(yōu)化，可以借助峰值信噪比、結(jié)構(gòu)相似度等多項指標(biāo)實現(xiàn)，將模型生成的圖像與真實圖像進(jìn)行對比，從而判斷分析生成圖像的質(zhì)量效果。進(jìn)而依據(jù)分析的結(jié)果，對算法中的相關(guān)參數(shù)、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)等進(jìn)行優(yōu)化調(diào)整，再次進(jìn)行模型訓(xùn)練與圖像生成，直至其符合影視動作制作的實際要求。再對生成的圖像進(jìn)行后期處理，改善生成后的圖像質(zhì)量。

2.4.2影視摳像

摳像也是影視動畫后期制作中的重要內(nèi)容，更多用于影視三維動畫的制作過程，能夠與虛擬現(xiàn)實和增強(qiáng)現(xiàn)實技術(shù)結(jié)合起來，促進(jìn)影視動畫中角色與虛擬環(huán)境的完美融合，帶給觀眾更沉浸式的體驗和觀感。

結(jié)合前文對影視摳像技術(shù)應(yīng)用情況的介紹，主要結(jié)合影視動作制作的現(xiàn)實需求，經(jīng)由以下步驟流程完成摳像處理：

（1）圖像分割。經(jīng)由深度學(xué)習(xí)算法支持圖像分割，對圖像像素中的顏色、紋理等特征進(jìn)行分析，確保在各種數(shù)據(jù)集中獲得更好的分割效果，提升圖像分割的實用性。

（2）卷積神經(jīng)網(wǎng)絡(luò)。以構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型為基礎(chǔ)，在獲取自動學(xué)習(xí)圖像的特征后，對其進(jìn)行分類、識別與分割，通過多個卷積層與池化層提取得到的數(shù)據(jù)特征，在對卷積神經(jīng)網(wǎng)絡(luò)的全連接層進(jìn)行分類或分割的基礎(chǔ)上，以驗證集支持對模型的選擇與參數(shù)調(diào)整，同時搭配交叉熵?fù)p失函數(shù)以及隨機(jī)梯度下降算法模型，實現(xiàn)對卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)和算法的進(jìn)一步優(yōu)化，作為提升摳像技術(shù)效果的有效支持。

（3）風(fēng)格遷移。以提升摳像的自然效果為目的，風(fēng)格遷移需要將一種圖像中的風(fēng)格應(yīng)用到另一幅圖像中，從而實現(xiàn)圖像藝術(shù)風(fēng)格的轉(zhuǎn)換，提升圖像的藝術(shù)效果。期間，主要依靠卷積神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)的作用，在構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，由生成器和判別器構(gòu)成二元博弈模型，以模型的不斷迭代訓(xùn)練，通過生成器與判別器之間的不斷競爭，生成更逼真的圖像。

3 結(jié)束語

綜上所述，人工智能技術(shù)的應(yīng)用，有利于改善和提升影視動畫制作的質(zhì)量，促進(jìn)影視動畫制作行業(yè)的發(fā)展。結(jié)合影視動畫制作的實際要求，應(yīng)能夠針對不同的制作內(nèi)容，選擇應(yīng)用和智能技術(shù)類型，并在實際制作期間，規(guī)劃好各類人工智能技術(shù)應(yīng)用的實際方案與流程，明確對獲取的影像動畫進(jìn)行處理的重點，以此為基礎(chǔ)開展后續(xù)多樣化的內(nèi)容制作，提升影視動畫作品的呈現(xiàn)效果。

參考文獻(xiàn)

[1]高夢.數(shù)字時代下影視動畫藝術(shù)設(shè)計創(chuàng)新研究[J].紅河學(xué)院學(xué)報，2024，22（05）：131-135.

[2]曹方豪.基于藝術(shù)設(shè)計的影視動畫制作實踐應(yīng)用分析[J].鞋類工藝與設(shè)計，2024，4（16）：111-113.

[3]華夢霞，李才有.人工智能技術(shù)在影視動畫制作中的應(yīng)用研究[J].電腦知識與技術(shù)，2024，20（21）：122-124+128.

[4]張理臻，丁文娟，劉丹丹.運(yùn)動捕捉技術(shù)在影視動畫制作中的應(yīng)用研究[J].玩具世界，2024，（07）：95-97.