加入收藏 | 设为首页 | 会员中心 | 我要投稿 应用网_阳江站长网 (https://www.0662zz.com/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 综合聚焦 > 网络游戏 > 网页游戏 > 正文

这对制作人 CTO的搭档,用三年时间做了一套被腾讯、完美看上的新技术

发布时间:2020-03-17 18:05:11 所属栏目:网页游戏 来源:新浪游戏
导读:假如有一项新技术,不仅能成倍数提高3D动作制作效率,还能节省几十万甚至几百万的成本,甚至可以让玩家给自家游戏一键制作出大量的UGC内容,你信吗?放在一年前葡萄君是完全不信的。 但有时候,技术突破给游戏带来的改变,能轻松超出我们的想象。 2017年,
这对制作人 CTO的搭档,用三年时间做了一套被腾讯、完美看上的新技术

  假如有一项新技术,不仅能成倍数提高3D动作制作效率,还能节省几十万甚至几百万的成本,甚至可以让玩家给自家游戏一键制作出大量的UGC内容,你信吗?放在一年前葡萄君是完全不信的。

  但有时候,技术突破给游戏带来的改变,能轻松超出我们的想象。

  2017年,在蓝港互动担任SVP、曾制作《王者之剑》的梅嵩,与同在蓝港互动担任CTO的陈敏,都觉得做游戏遇到了瓶颈。用梅嵩的话说,做游戏需要更多的文化造诣,而他们刻在骨子里的,是对技术的追求。

  尽管早在2014年的时候他们就为蓝港引入了如今热门的PBR技术,并实现了DEMO,但几款产品的尝试不成之后,他们对制作游戏的热情渐渐消退了。

  于是在2017上半年,梅嵩觉得是时候去做一些游戏研发之外的事情了。很快,他和陈敏找到了当时热门的AI深度学习方向,并对其中AI的人体姿态识别产生了浓厚的兴趣。

  就像人脸识别的普及一样,他们希望把姿态识别跟3D游戏的制作结合起来,解决以往动捕的高成本问题。随后,梅嵩和陈敏离职创业,成立了小K动捕,开始研究和尝试视频动捕的技术。

  然而,事情的进展并没有他们想象的那么顺利,一方面,他们需要从头学习AI技术的基础内容,距离用技术解决问题差了太多的积累,另一方面,这项技术还停留在理论的阶段,实现出来的效果对游戏而言几乎没法应用。

  经历两年多的研发,小K的视频动捕技术总算是从同行口中的“挺有趣,但用不了”,逐渐完善到了可以让游戏美术传一个视频,等一会儿就生成一套可以用的3D动作基础数据。比起美术自己手工做3D动作,用这些数据修整后使用的效率要快上4~5倍。

这对制作人 CTO的搭档,用三年时间做了一套被腾讯、完美看上的新技术

  不仅如此,梅嵩和陈敏还开发了一些更贴合游戏诉求的功能、工具,直接在服务器上对动作数据进行二次应用。只要一名玩家自拍一个全身视频,上传到小K的服务器,就能生成一套游戏角色模仿玩家动作跳来跳去的视频。

  在功能完善的过程中,很快有大厂盯上了小K的技术。从营销、内容制作、付费上都做了尝试。

  2019年中,腾讯,完美与小K动捕合作了一期《完美世界》手游的UGC活动。鉴于这次活动传播效果超出预期,后续腾讯的自研产品《一起来捉妖》,也陆续应用了这套技术。甚至,《一起来捉妖》基于小K的技术,做出了新的付费点。

《一起来捉妖》灵动坊《一起来捉妖》灵动坊

  从同行婉拒到大厂愿意连续合作,小K动捕这一路的坚持并不容易,如今梅嵩和陈敏的坚持终究是有了结果,而在技术这条路上,这一走就是3年。

  用3年时间落地一项新技术有多难?

  在游戏研发方向摸爬滚打很多年之后,梅嵩和陈敏觉得有点累了。

  2014年在蓝港,他们针对一个IP项目做研发,陈敏提议引入PBR技术,实际运用之后做出来的DEMO的确让人眼前一亮,然而做着做着他们发现,味道不太对。“有些游戏人就像电影导演,他拍起电影来可以拍几十年、拍各种类型,可我们对文化的理解没那么透彻。”

  在他们看来,自己没办法像米哈游那样,对二次元理解有这么透彻,也没法对武侠等国有文化拿出精确的把握,做游戏的过程中,他们总是容易代入一些技术向的东西。

  2012年他们在制作《王者之剑》2D动作手游时就实现了实时PVP,引入了一些新技术点,但尝试来尝试去,终归还是卡在了游戏的文化造诣上。等到2017年回过头来看的时候,游戏技术方面能做的图形、引擎、服务器、客户端,几乎都被同行研究得差不多了。

  不过这时他们发现,游戏之外的行业,技术正在发生巨大的变革。比如AR、VR的发展、人工智能的火热,作为重度的技术控,这些新鲜的东西非常吸引他们。

这对制作人 CTO的搭档,用三年时间做了一套被腾讯、完美看上的新技术

  梅嵩和陈敏反复思考,觉得似乎到了该创业的时候,于是他们离开了蓝港,在2017年下半年成立了小K动捕,决定不再做游戏研发,而是做游戏相关的技术服务。

  原因很简单,当时AI深度学习技术有了突破,给视频动捕提供了可实现的理论依据,他们知道做3D游戏的动作捕捉成本很高,少则20~30万起步,多则大几百万,并不是所有游戏公司都能负担得起的。于是他们想到了用AI技术来降低传统动捕的门槛,觉得这可能非常有价值。

  不过摆在他们面前的困难并不少,最大的难点就是新技术的研发。当时,研究人体姿态识别的论文有一些,但都停留在理论研究层面,没有真正讨论实际应用的问题,更不用说用到游戏3D动作这么垂直的领域。

  首先,AI很难通过普通视频识别出3D的位移数据,因为视频图像是2D的,识别的误差很大。其次,哪怕识别出了数据,用到3D模型上,人物会显得非常抖动,就像没站稳到地面上一样。最后3D人物的建模风格差异巨大,识别真人数据以后再套用,很容易出错。

  几经周折之下,他们终于发现了问题的核心:(1)AI训练数据不够;(2)光靠AI识别捕捉的效果达不到实际使用要求。

  深度学习的原理是让AI通过大量的数据积累经验,来应对各种各样的识别场景,做到最大程度的减少误差,通俗一点讲,就是要调教,调教需要大量的数据进行训练,后来他们建立了自己的数据中心,进行了大量的数据标注,一点点积累自己的数据集。

  同时他们还运用了大量以往游戏动画研发的经验,来优化和调整各项实际应用的效果和功能,最后终于在2019年下半年,得到了一份阶段性的成熟版本。

这对制作人 CTO的搭档,用三年时间做了一套被腾讯、完美看上的新技术

  技术是有了,但该怎么用呢?

  对小K动捕来说,如果只做纯技术,那和注重理论的论文可能就没什么区别了,所以如何落地的重要程度,至少占到整个项目的一半。

  小K的团队成员都不质疑视频动捕的潜力,就好比人脸识别,它显然能带来巨大的改变。但具体来看,又该怎么去应用这项技术,这个细节层面的问题成了大家争论最多的部分。这些路没人走过,想起来痛苦,实现起来也经常碰壁。

  2018年底的时候,梅嵩拿着早期版本去找动漫公司做推广,但动漫公司大都有了自己的动捕设备,觉得当时的版本也不太适合做3D动画。梅嵩也设想过为专业美术提供服务,可当时的版本还不完善,业内的朋友看过以后说:“你这个确实挺有趣的,但用不了。”

(编辑:应用网_阳江站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

推荐文章
    热点阅读