黄仁勋骗过了全世界，三个多月都没人发觉！
play
欢迎关注“新浪科技”的微信订阅号：techsina
文/梦晨 明敏 萧箫
来源：量子位（ID：QbitAI）
原标题：黄仁勋骗过了全世界，三个多月都没人发觉！皮衣是假的厨房是假的，连他自己都是假的
英伟达今年4月份那场发布会，你曾看出什么不对劲的地方吗？
你品，你细品：
刚刚，在计算机图形学顶会SIGGRAPH 2021上，英伟达通过一部纪录片自曝：那场发布会内藏玄机~
你看到了老黄，但也没完全看到。因为，这是一场当面“造假”的发布会。
画面中老黄的厨房、标志性的皮衣，甚至他的表情、动作、头发……全都是合成出来的。
这是一场开在元宇宙里的发布会，发表演讲的是英伟达CEO黄仁勋的数字人替身。
彼时彼刻，恰如此时此刻。
黄老板真给自己找了个替身。
没错，全世界都被黄仁勋骗了！
整整三个多月谁也没发现。
而且不光他自己，大到厨房的家具抽屉：
小到厨房里摆放的金属罐、甚至是老黄的乐高小人，都是被渲染出来的：
知道真相的我就如同导演李安：
这一切是怎么发生的呢……
到底怎么造假的？
数字人想要以假乱真，一定要做到细节丰富。
因为人脑专门有一套系统用于识别同类，有一点不对劲之处都会在几毫秒之内引起警觉。
所以要造假的老黄，得到摄影棚里拍上几千张各种角度的照片，通过一套3D扫描，把他脸上的每道褶子都采集成数据。
为了让效果更逼真，他那件拉风的皮衣还得单独拍。
用得到的数据对老黄做3D建模，为了方便后期编辑，先要把他的头发薅光！
具体到手指的细节，也需要非常仔细地调整：
建模完成好，下一步是让老黄动起来。
不过这里就不需要费时费力地进行手工操作了，AI已经能够胜任。
就像这样，用上最新的Audio2Face模型，AI可以随着语音播放自动调整模型的面部动作表情。
动作是没问题了，但是皮肤材质看起来还是不够好，和发布会上的效果没法比。
这就需要另一个AI，用一张老黄的照片就能匹配上动作合成到动画里去。
身体动作就不用老黄自己采集了，而是找来专业的动作捕捉演员，毕竟CEO肯定时间有限。
这样所有的前期准备工作就完成了，接下来是渲染。
看看这个自研的Omniverse RTX渲染器：
就真的是字面意义上的实时光线追踪，移动视角，调整光线都立刻完成更新。
这背后具体用了多少块显卡英伟达倒是没具体说，总之是多GPU+云计算才能搞定。
这场虚拟发布会，总共有34个3D美术师和15个软件研究人员参与。
他们一共做了21个版本的数字老黄，从中选出最像的那个，做出了这场精彩的发布会。
还真是把全世界都骗过了。
英伟达“造假”有多强
上面这些“造假”的效果，背后都来自于一个名为Omniverse的平台。
没错，英伟达研发的计算机图形学（CG）技术太多，多到已经能整合成一个平台了。
从CG到优化技术，从工具包到引擎，Omniverse都有提供。
光看Omniverse所承载的CG技术，其实远不止这次发布会用到的“造假”效果，它从渲染、材质，到光影、照明（光追、路径追踪等）都有涉及，还会不断更新相关技术。
原本只是一纸论文的技术，可能不久后就被英伟达放到了Omniverse上，不少都是与AI相关的技术：
例如，缺损像素修补、插帧，已经被用到老照片和古早视频的修复中；还有基于GAN生成超分辨率图像、直接把2D照片渲染成3D场景，都已经能直接在平台上使用……
Omniverse上的渲染技术，究竟达到一个什么样的水准？
据英伟达表示，平台现在可以实时实现电影级别的画质渲染。
以渲染中非常重要的光源模拟为例，我们都知道，真实世界的光源多种多样，我们看到的其实是各种光照下的景物。
传统的计算机渲染，至少需要将光源迭代30+次，才能达到逼真到毛发的效果，即使用最先进的机器渲染，每一帧也基本都需要几十秒。
用上Neural Radiance Cache等技术后，结合RTX GPU硬件和Omniverse平台，光源渲染直接就能实时进行。
例如，这次GTC大会上对于主机的渲染，就采用了Omniverse平台的技术：
除此之外，包括LOD自动生成等技术也能用AI节约计算量，同时保证足够好的渲染效果。
不止是“以假乱真”的渲染效果，Omniverse还能完成更多意想不到的AI技术。
英伟达利用数字人实时渲染技术，在Omniverse中就能构建更逼真的、更符合物理定律的人类模型。
例如，帮助车辆、自主机器、机器人等更好地识别，真实的人类是什么样的，从而更好地设计工厂（图中为数字人）：
这是英伟达在Omniverse上更新了另一项数字孪生技术（Issac Digital Twin），将机器人AI放到虚拟环境中训练完成后，可以直接部署到真实环境中。
目前，宝马已经用英伟达的数字孪生技术，对数字工厂的生产流程进行了优化，效率直接拉高30%。
看看这个渲染的速度：
具体渲染效果来看，连光照和细节都能被模拟出来。
不止是宝马工厂，包括机器人仿真、自驾车仿真在内的一系列技术，也会用到Omniverse平台。
例如，自动驾驶和工厂的AI检测可能存在行人误判，将街头、公告张贴的人脸图片识别为行人，导致事故发生。将逼真的数字人和渲染等技术结合后，就能在仿真环境训练下模拟行人，让AI学会判断图片和真人的区别。
从效果到效率，英伟达都直接刷新了人们对“元宇宙”的认知。
重新定义‘元宇宙’
号称“永远实时在线”的Omniverse，是英伟达打造元宇宙的关键。
它不仅能跨平台支持所有用户的物理渲染、模拟和仿真，还能让创作者、审核者在任何地方，只通过软件应用就在一个共享的虚拟世界中进行合作。
毕竟，Omniverse本身就构建于通用场景描述（Universal Scene Description，简称USD）之上。
这是一种开源3D场景数据标准和文件格式，USD之于Omniverse就相当于HTML之于互联网。
USD由皮克斯开发，现在成了英伟达、皮克斯和苹果共同推广的行业标准。USD注重非破坏性便捷和跨软件协作，是x86、arm平台以及各种软件都程能够统一到Omniverse平台上的基础。
目前，全球已经有500多家公司的专业人士上手使用了Omniverse。这其中包括美国航天航空制造商洛克希德马丁公司（用它做山火模拟）、曾荣获艾美奖的《南方公园》工作室等知名企业。
国内央视的《飞向月球》太空纪录片，也同样有用到Omniverse，尤其是里面的数字人：
从Omniverse硬件和软件的支持情况来看，英伟达这一次更新也真的是诚意满满。
“将数百万新用户带入元宇宙世界”，真的不是说说而已。
首先，Omniverse这一次集成了Blender和Adobe来实现大规模扩展。
Blender是全球领先的开源3D动画工具，他们将在Blender 3.0版本加入USD支持，使用户能够在Blender中直接访问Omniverse制作流程，这无疑会让创作者们的效率直线up。
Adobe就不用多介绍了，家喻户晓。
现在，他们正在和英伟达合作开发一个为Omniverse提供Substance Material支持的 Substance 3D插件。
使用这个插件，可以让用户在Omniverse中直接调整Substance 3D中的素材。
这能为用户在改稿过程中，节省导出、重新上传的时间。
与此同时，英伟达还发布了一个人工智能3D建模扩展：GANverse3D–Image2Car。
它可以让AI进行3D建模变得更加容易。
只需通过一张汽车照片，GANverse3D就能建立出一个虚拟的3D模型。
这无疑让3D画师们创建场景变得更轻松了。
其次，在硬件上，NVIDIA RTX和GeForce RTX系列都支持Omniverse。
这不，英伟达同时还发布了小巧、节能的RTX A2000，它适用于各种标准和小型工作站，可以说是专为创作者的日常工作而设计。
英伟达放言称，A2000将会成为数百万设计师进入元宇宙的门户。
去年12月发布公测版以来，已经有超过5万名个人创作者下载了Omniverse。
而Omniverse的生态系统也在持续壮大，Adobe、Autodesk、Bentley Systems等多家软件公司都已加入Omniverse的生态圈。
现在，Nvidia Omniverse企业版的访问名额已经“开抢”了，华硕、BOXX Technologies、戴尔、惠普、联想、必恩威和超微等平台上都能使用。
不知道以后英伟达的发布会还能不能当真（手动狗头）。
反正老黄的假脸是一脸真诚~
OneMoreThing
回到4月那场发布会。我们在英伟达自曝纪录片中，隐约读出另一个事实，当时的老黄是真真假假，虚实交替的。
那么，哪一段是真？哪一段是假？
作为找茬八级团队，怎么能这么轻易就给人骗过去？于是，我们重新去回看了一遍4月份那场发布会。
果不其然，我们发现了一些不对劲的地方。（注意内搭衣服领口和皮衣）
这是老黄第一次在发布会上出现时候的样子。看上去问题不大是吧？OK，接着往下看：
这是刚刚那张图4分钟之后，老黄的样子。注意到什么不一样的地方了吗？请注意，他身上忽然间变成了另外一件皮衣，里面穿的也从Polo衫变成了圆领T恤。
如果你再仔细一点看，你会发现他厨房有些物品的放置也变了。
还有个最直观的区别：老黄本人，还有他背后的厨房，怎么好像分辨率突然提上去了（不是我网络问题啊）？
高到脑门上的抬头纹都多了几条。
这还没完。
到发布会后半段，老黄穿着同一件皮衣，可是里面的衣服又换回了Polo衫。
过了一会，他摇身一变，把皮衣和Polo衫全换了。
好家伙，你搁这玩排列组合呢？
真搞不懂，老黄来来回回在这换装，是图个啥。除非这是英伟达故意的。
于是，我们拿着放大镜去看了视频，终于注意到，这段老黄手上的动作，有明显的不自然。而且画面也是糊的。
懂了：）
总之，一段视频骗了全世界3个月，不得不说，黄老板真是又高又硬。
（声明：本文仅代表作者观点，不代表新浪网立场。）
作者简介
