《猫与桃花源》合作阿里渲染云,刷新国产动画电影新高度

简介:

《猫与桃花源》是追光耗时4年打造的一部以猫为主角,讲述“爱与陪伴”的亲子动画电影,也是追光团队与阿里云的又一次强强合作。

1

高精度的CG解算搭配云端渲染技术,让动画场景更加真实

影片取景于山城重庆,庞大的城市景观搭建十分复杂,而为了提升制作效率也为了让片中城市景观更为逼真,制作团队专门运用了程序化建模技术来构建。片中所有的猫咪毛发制作则采用了行业最高精度的CG解算,高精度的流体玻璃岩浆制作技术带来令人震撼的特效画面。

2

近几年,随着国产动画的迅速崛起,产能不断提升的同时动画故事设计和视觉效果都有了跳跃式的提高。从技术上看一部85分钟、24FPS、10个分层的纯CG动画电影为例,渲染的素材量可达数百TB甚至PB级,而渲染完成的85分钟视频也需要TB级存储。另一方面,单机渲染一帧画面根据服务器性能不同,平均而言也需要数小时(复杂场景渲染往往需要十几小时完成一帧画面渲染),以单台常规服务器平均三小时渲染完一帧画面为例,85分钟的动画视频需要一台服务器400年渲染完成。

由于计算量巨大,本地自建渲染集群成本过高,因此影视制作公司会将渲染工作外包给第三方渲染农场完成。但是传统渲染农场除了机器规格配置有限(32核64G是大部分农场的高配机型)之外,对于普通中小型制作公司而言可控性有限。当农场服务器规格和本地服务器规格不同时,对渲染效果不可控的潜在风险。同时一些个性化的配置也很需要协调农场方来配合调整脚本或参数,渲染服务体验有限。

3

对于大型专业影视动画制作公司而言,自己的R&D部门技术能力足够自己完成这些日常的问题排查和维护工作,因此更愿意利用云服务器按量购买、弹性伸缩的能力来构建自己的云端渲染集群,同时通过自己本地或者云端的渲管软件连通云上渲染集群,再配合自己的Pipeline软件来达到跟自己业务流融合、更有效的管控目的。

在整个动画片的产业链中,仅2017年,上映39部国产动画电影,其中有4部进入“亿元俱乐部”。在这背后,在整个动画制作的流水线上,渲染作为对最终视觉效果负责的制作环节的重要性越发凸显。而阿里云作为国内市场排名第一,世界排名第三的云厂商。在影视制作行业,也提出了自己的影视制作整体解决方案。其中就包括了影视ACG渲染解决方案来支持影视制作公司快速搭建自己的云端渲染集群。

4

故事情节和动画效果完美结合,更有感染力

撇开技术角度,从剧情上看《猫与桃花源》讲述了萌猫“斗篷”由于厌倦了家养的舒适生活,渴望窗外的世界,毅然决然的离开家去寻找向往已久的“桃花源”。这是对于“成长”内涵的一种传递,也是每一个亲子家庭中不可缺少的教育内核。影片以猫为主角,两只猫相映成趣,配以萌动的画面和千奇百怪的历险,或穿梭于大都市的车流中,或奔跑于人迹罕至的丛林里,父子俩在找寻与被找寻过程中,相互的理解对方并逐渐地成长起来的故事。

本次阿里云对于助力影视动画制作领域有着长期的规划和目标,为此产品团队深入追光这样的一线制作公司,了解制作流程、分析业务痛点,针对制作团队在国内、国外不同的业务协作方式、不同的媒资保存和传输要求、不同的渲管软件及引擎,都能够提供安全、稳定及超高性价比的解决方案。相信此次《猫于桃花源》和阿里云的合作,能够将中国动画电影推向一个新的高度。

目录
打赏
0
0
0
0
40
分享
相关文章
联邦学习的未来:深入剖析FedAvg算法与数据不均衡的解决之道
随着数据隐私和数据安全法规的不断加强,传统的集中式机器学习方法受到越来越多的限制。为了在分布式数据场景中高效训练模型,同时保护用户数据隐私,联邦学习(Federated Learning, FL)应运而生。它允许多个参与方在本地数据上训练模型,并通过共享模型参数而非原始数据,实现协同建模。
深入了解OSI模型:计算机网络的七大层次
OSI模型 OSI模型是一个网络通信的概念模型,用于描述计算机网络中各个不同层次之间的通信和功能。它将网络通信分为七个不同的层次,每个层次负责不同的任务,使得网络通信的设计、开发和管理更加模块化和可维护。以下是OSI模型的七个层次以及它们的主要功能: 1、物理层(Physical Layer): 功能:处理物理传输介质上的原始比特流,确保数据在传输媒体上能够以适当的方式传输。 示例设备:集线器、中继器、网线等。 主要任务:比特编码、电压规范、物理拓扑等。 2、数据链路层(Data Link Layer): 功能:负责将原始比特流分割成帧并添加地址信息,以便在直接连接的设备之间传输数据。 示例设
1802 0
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
288 31
Linux命令sdiff详解:并排比较与差异显示
`sdiff`是Linux下的命令行工具,用于并排比较两个文件的差异。它直观地显示不同之处,用`>`和`<`标记差异。主要特点包括并排显示、灵活性和交互性。参数如`-s`仅显示差异行,`-i`忽略大小写,`-o FILE`将结果输出到文件。示例:`sdiff file1.txt file2.txt`。最佳实践包括根据需要调整输出宽度,结合其他命令使用,和利用交互功能。注意用于文本文件比较,大文件可能消耗资源。
云原生时代下的应用部署与管理
【10月更文挑战第38天】在数字化浪潮中,云原生技术正引领着软件开发和运维的革命。本文将探讨云原生的核心概念、优势以及如何通过代码示例实现应用的快速部署和管理,旨在为读者提供一套清晰的云原生应用部署和管理的实践指南。
探索深度学习中的优化器选择对模型性能的影响
在深度学习领域,优化器的选择对于模型训练的效果具有决定性作用。本文通过对比分析不同优化器的工作原理及其在实际应用中的表现,探讨了如何根据具体任务选择合适的优化器以提高模型性能。文章首先概述了几种常见的优化算法,包括梯度下降法、随机梯度下降法(SGD)、动量法、AdaGrad、RMSProp和Adam等;然后,通过实验验证了这些优化器在不同数据集上训练神经网络时的效率与准确性差异;最后,提出了一些基于经验的规则帮助开发者更好地做出选择。
使用Selenium与WebDriver实现跨浏览器自动化数据抓取
在网络爬虫领域,Selenium与WebDriver是实现跨浏览器自动化数据抓取的利器。本文详细介绍了如何利用Selenium和WebDriver结合代理IP技术提升数据抓取的稳定性和效率。通过设置user-agent和cookie来模拟真实用户行为,避免被网站检测和阻止。文章提供了具体的代码示例,展示了如何配置代理IP、设置user-agent和cookie,并实现了跨浏览器的数据抓取。合理的参数配置能有效减少爬虫被封禁的风险,提高数据抓取效率。
1041 6
使用Selenium与WebDriver实现跨浏览器自动化数据抓取
【Prompt Engineering:自我反思(Reflexion)】
自我反思(Reflexion)是一种通过语言反馈强化基于语言的智能体的新范式,无需微调模型即可提升其在决策、推理和编程等任务中的表现。该框架包括参与者(生成动作)、评估者(评分)和自我反思(生成反馈)三个部分,利用大语言模型生成具体反馈,帮助智能体从错误中快速学习,显著提高了多种任务的性能。
977 2
【Prompt Engineering:自我反思(Reflexion)】
利用 GitHub Actions 自动化你的软件开发流程
GitHub Actions 是 GitHub 提供的自动化工具,可在仓库中触发和执行工作流程,包括自动运行测试、部署应用等。其核心概念包括工作流程(Workflow)、作业(Job)和步骤(Step),均定义在 YAML 文件中。本文将指导你如何设置和使用 GitHub Actions,并提供自动运行测试、部署应用及合并 Pull Requests 的示例,帮助提高开发效率和代码质量。
海量数据实时计算利器:深入探索Tec(一个假设性技术框架)
总之,Tec作为海量数据实时计算利器,在推动数字化转型、提升业务效率、保障数据安全等方面发挥着重要作用。随着技术的不断进步和应用场景的不断拓展,Tec的未来发展前景将更加广阔。
AI助理
登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问

你好,我是AI助理

可以解答问题、推荐解决方案等