3D视觉重建的工程量有多大

拍摄3D电影与把2D电影转换成3D，两者虽目标一致，工作状态却完全不同：前者好比生态生物学家，整天出野外；后者更像是分子生物学家，整天钻在实验室里。Keith说，对他来说整个项目里最困难的部分，就是要在一间黑暗的放映厅里，一小时又一小时地看片子，不出门也不上厕所。在影片制作的过程中，每个步骤都可能做出多个版本，需要拍板定夺。因此光是看样片，就是一项令人抓狂的工作。

在果壳网 《泰坦尼克号是怎么从2D转成3D的？》 这篇文章里介绍了一些2D电影转制3D电影的知识。文章提到，在3D影片制作中，相当一部分工作是计算机无法取代的，需要由人来进行。另一方面，要处理的数据是海量的。影片的每一帧都要制作出分别提供给左右眼看的画面。以每秒24帧计算，《2012》这部158分钟的影片包含22.75万帧。尽管在计算机的辅助下，不用一帧一帧地去修改画面，但要追求细节完美，整个工程还是耗时很久。《2012》的3D重建工作从2012年4、5月份进入具体操作阶段，终于赶在年底，玛雅人预言的日期到来之前完工。

《2012》如何从2D变成3D

具体来说，3D视觉重建是如何实现的呢？视觉工程师崔晓宇解释了大致的工作流程。

首先要对一段影片中每一幅画面做的是：“区分出不同的物体（如每一个人、每一辆车、每一幢建筑物等）”和“标识出每个物体的深度信息”。

《2012》电影画面（图：豆瓣）

物体的区分属于计算机视觉中的图像分割领域，目前尚未有普遍适应的自动算法。同时，3D电影的恢弘场景中往往包含很多物体，其运动方式繁杂不一，却又需要遵循视觉上的协调和美感。这项工作绝非计算机能自动处理的，必须有大量的人工操作。

这些标识出的物体会分别添加“Z轴”信息。2D画面是由横轴X和纵轴Y组成的。3D画面与之最本质的区别就在于具备“Z轴”，也就是“深度”上的信息。这项工作不仅需要准确把握场景中的立体信息、物理信息、碰撞关系，甚至还要恢复正确的力学信息。

为二十多万帧画面添加深度信息已属不易。更不幸的是，《2012》这部电影大部分场景里，几乎所有的东西都在动！到处是倒塌的房屋，碎石、车辆和人四处乱飞，这样的画面里标识出上千、几千个物体是常有的事。不仅工作量巨大，而且如果深度信息不够准确，呈现出的画面就会有违和感。人类的深度感知方式多种多样又非常敏感，对电影中深度信息的精确性要求很高，需要反复审查和调整。

《2012》电影画面（图：豆瓣）

上面的步骤完成之后，通过计算机合成，添加了深度信息的画面就构建出了一个具有深度层次的虚拟三维世界。（但它与真正的三维世界不同的是，无论你在电影院里怎么歪脑袋扭身子，都看不到侧面和背面是什么样。）这时就可以在这个三维世界中重新“拍摄”一遍电影，为左右眼制作不同的画面。

这里还需要解决的问题是：随着深度的恢复，原本的平面画面就有了凹凸信息。此时，“暴露出”的表面积（如物体的侧面）就增加了。如何填补这些信息，会对画面整体效果和视觉表现力产生非常明显的差异。这些“无中生有”的信息需要通过“视差恢复”等计算机视觉的相关算法来实现。

上面的几个步骤分别会由不同的技术团队来分工。各个影片片段经过一个部门处理之后，再传给下一个部门。由于部门繁多，甚至需要专门的人来负责追踪每一小段影片的去向和处理进度。《2012》的3D重建项目有多达460名技术工程师参与其中。终于知道电影片尾字幕为什么那么长了。

未来的电影会是什么样子

为什么要把以前的电影制作成3D版？本质上还是因为3D同2D相比，看起来更真实，更像我们用双眼看到的世界。

（图：filmschoolrejects.com）

最初，人类在岩壁上用白垩画画。后来我们用照相机描绘更真实的图像。再后来图像可以动了，有了声音，从黑白变成彩色。总体趋势上，电影作为一种媒体，正在向着越来越“仿真”的方向发展。3D电影比起2D，能够呈现出更加接近真实世界的效果。这个过程中，每一点技术上的进步都会让我们在“讲故事”的能力方面提高一小步。3D电影技术方兴未艾，Keith这样的先驱者们正在尝试各种可能性，探索3D电影的发展之路。

至于未来的电影会是什么样子，Keith认为，放映技术会更加成熟，帧数会更高，同时屏幕与真实世界的界限可能会更加模糊，比如也许我们能感受到剧中人经过时带起的微风。当然这还需要很长的路要走。最重要的是，发展这些技术的目的，是为了走进影院的人们忘记它们的存在，而完全沉浸在故事本身。

听起来是非常美好的展望。不过对我个人来说，如果未来电影变得如此真实，那我不知道还敢不敢去看《2012》这样的灾难片……

感谢 @唯一 对本文的帮助。