伦敦大学交互表演设计专业研究生的 AI 库布里克项目

斯坦利·库布里克（Stanley Kubrick）的《2001太空漫游》（Space Odyssey）在许多方面对人工智能的未来有着令人难以置信的猜测。但是现代人工智能对库布里克的工作会产生什么样的影响呢？

伦敦大学(UCL)交互表演设计专业的研究生发起了一个叫”神经库布里克“（Neural Kubrick）的项目，在”机器学习“中使用最新的”深度神经网络“技术来重新解释和重新定位库布里克自己的电影。三种机器学习算法分别在他们的AI电影剧组中扮演不同的角色：艺术指导，电影编辑器和摄影。

艺术指导

有一个生成敌对网络（GAN），它根据从电影帧的输入数据集中分析所得的特征重新构造新的电影作品，模仿艺术指导的角色。生成敌对网络训练库布里克的电影帧根据镜头长度分为三个数据集：特写镜头，中等镜头和长镜头，基于从输入数据集中解释的特征重新构思新的组合。

电影编辑器

卷积神经网络起到了电影编辑器的作用，定义或分类给定场景和数百个不同电影的数据集之间的视觉相似性。一个电影框架的数据集是由100部电影创建的，由从每部电影的提取电影帧组成，一共大约有11.5万幅图像。在这个数据集上训练反向图像搜索（RIS）算法。当使用影片剪辑查询时，界面会输出一系列与输入类似的图像。电影画面的选择完成后，几秒钟的时间就可以从原始电影剪辑出来。所有剪辑出的镜头都与输入的图像相关联在一起，并生成相似的视频。

摄影导演

还有一个复发神经网络 （RNN），它分析电影序列的摄像机路径坐标，并生成新的摄像机路径，以重新映射虚拟空间中的原始输入序列即模仿摄影导演的角色。通过使用摄影测量软件提取场景的摄像机坐标来完成。将坐标输入到RNN算法中，该算法分析顺序相机坐标并生成连续的坐标序列。这些新坐标被用来重新拍摄虚拟空间中通过摄影测量法进行三维建模的相同场景。

随着GPU的发展催化剂一样的提高了计算能力，随之而来的是人工智能的迅猛发展。“三人行，必有我师“，以后可能这个老师是插电的。

进入 neuralkubrick.com 拜见AI库布里克。

联 系 我 们

算法艺术实验室

探索数学与编程在设计与艺术中一切之可能

主营业务

科学艺术咨询 公共艺术 未来舞台美术 大数据可视化 设计人才猎头 品牌Event 教育