2022 年底上映的《阿凡達：水之道》可說是成功復甦電影產業低迷已久的票房，不僅締造超高票房紀錄，更憑著高超的視覺特效拿下諸多技術類獎項，也成功拿下 2023 年奧斯卡最佳視覺效果。日前國外媒體 befores & afters 特別專訪 Wētā FX 兩位資深視覺特效總監 Joe Letteri、Eric Saindon 與資深動畫總監 Daniel Barrett，揭開《阿凡達：水之道》背後不可或缺的精彩特效。

延伸閱讀：奧斯卡最佳視覺效果《阿凡達：水之道》幕後特輯，追求 CG 與真實的極緻完美融合

不斷突破特效技術的「那個男人」——詹姆斯卡麥隆

曾執導過《鐵達尼號》與《阿凡達》的詹姆斯卡麥隆，一直在追求特效技術上的突破。早在1997 年《鐵達尼號》就締造了電影特效的里程碑，全片特效鏡頭超過 500 多顆，像是電影開場鐵達尼號啟程畫面，便是利用原比例打造模型，外加 CG 效果呈現。而在碼頭周圍的群眾，則是透過分組綠幕拍攝對幾位演員，再藉動作捕捉生成數位角色，最後再合成。當 2009 年推出《阿凡達》時，更是展現多項技術和藝術上的突破，例如：動作捕捉、虛擬攝影技術與 3D 立體攝影技術等。到了 2022 年《阿凡達：水之道》，詹姆斯創立的 Lightstorm Entertainment 與 Wētā FX 再次提升了視覺效果的水準——不僅是在動作捕捉和角色方面，更多的突破是在電影中 CG 水的部分。

建造大型水槽對主要演員進行即時水下動作捕捉

先前與導演詹姆斯卡麥隆合作過《阿凡達》的 Wētā FX，這次也在《阿凡達：水之道》特效製作上達到新高度。第一是臉部骨架綁定與動畫，從混合形狀系統轉向新的肌肉拉伸系統（具有內建神經網絡）。另外，也透過動作捕捉套裝、頭盔攝影機、eyeline 系統、SimulCam 技術與即時深度合成技術，提升即時動作捕捉技術表現。

由於電影許多場戲都在水下進行，劇組還特別在 Manhattan Beach Studios 中長 120 英尺、寬 60 英尺、深 30 英尺的大型水槽中進行水下即時捕捉。而片中出現諸多不同類型的 CG 水效果，像是波浪、珊瑚礁、水下水流、氣泡等等。Wētā FX 還特別運用其公司內部模擬框架 Loki 與基於物理性的渲染器 Manuka 等其他工具研發流體模擬效果。

接著，befores & afters特別與 Wētā FX 主要特效人員討論《阿凡達：水之道》的製作過程。

以下為精彩的訪談內容：

由於本片許多場戲是在水下拍攝，在片場進行動作捕捉時，會需要解決哪些問題嗎？

Joe Letteri：實際上，動作捕捉主要是由詹姆斯創立的 Lightstorm Entertainment 團隊處理的，他們使用附有造浪器的大水箱，構建一個動作捕捉棚並將其沉入水箱，接著在水箱上方構建另一個棚，因為我們需要在水中和水外進行表演，像是片中角色會跳入水中，所以兩者必須一起執行，雖然概念相似，但實踐起來是截然不同的。

以《猩球崛起》來說，我們使用紅外線，因為它可以在很多情況下工作，且不會有雜散反射等干擾出現。但這方法無法在水下使用，因為紅色波長會在幾英尺內被吸收。所幸 Lightstorm Entertainment 團隊的虛擬製作總監 Ryan Champney 想出了一種近乎紫外線的超藍光，它在水下是超藍光，在水面上是紅外線，我們發現可以透過這種方式來追蹤到不錯的數據。

Daniel Barrett：這方法真的解決很多問題，同時也感謝演員群的支持。首先，他們得先學會如何舒適地長時間待在水下。然後，一旦他們習慣水下環境，就得在水下進行表演。

Joe Letteri：所以我們會讓演員在水面下游泳。雖然人類無法像片中礁人族適應水下那樣快速，但仍然可以獲得正確的游泳動作和浮力，而且有些表演只有在浸入水中時才有可能呈現出來，而不是嘗試以 Dry for wet 方式進行。接著，動畫團隊會著手進行一些額外的動作，建構更完整的角色表演。

延伸閱讀：一窺《黑豹 2：瓦干達萬歲》水中城市的特效製作，透過 dry-for-wet 拍攝手法呈現鬼斧神工的場景細節

就身體與臉部捕捉而言，在片場中有哪些事情是創新的？

Eric Saindon：就現場臉部捕捉來說，我們並沒有做太多新嘗試，只是轉變成兩個攝影機以獲得更好的捕捉數據，這提供更多臉部形狀和捕捉數據，像是嘴唇上的細節等等。如果要說最大的技術差異是即時深度合成，它能夠在相機中正確地分層。舉例來說，以前我們會把 A 放在 B 上，或者 B 放在 A 上，但是如果邁爾斯上校走在「蜘蛛」前面，然後又走到「蜘蛛」後面，我們以前就無法做到這一點。而有了即時深度合成，就可將角色正確地放置在空間中，並獲得正確的構圖。由於身高差異，如果上校（阿凡達形體）要出現在「蜘蛛」的後面，會導致構圖看似有點古怪。但有了新系統，導演對鏡頭內容、構圖、現場拍攝方式會有更進一步的了解。

而團隊也透過體育比賽的啟發，設計出一種新的眼線系統，當「蜘蛛」與邁爾斯上校互動時，我們會放置一個影像監視器在上校頭部位置。不僅同步演員的動作捕捉表演到 CG 角色上，也讓 飾演「蜘蛛」的演員可以清楚知道目光該看哪裡。

聊聊真人演員「蜘蛛」是如何無縫地與 CG 納美人結合在畫面上？

Eric Saindon：我認為一切都得從頭開始，就像很多時候你在綠幕上拍攝一個角色，拍攝內容大致是你認為該角色將要做的事情。在構圖方面，你可能會拍得有點奇怪，接著你必須把它放在一張卡片上，讓它符合你想要呈現的畫面。而以《阿凡達：水之道》來說，一切都是在實際片場中動作捕捉，所有演員一起經歷了整個場景，他們都知道整個過程，所以當涉及到真人表演時，演員明白那場戲是什麼，因為他早已表演過了。這也意味著導演也會知道他會得到什麼畫面，他可以看到演員們實際一起表演，這也為角色之間的互動提供了更好的構圖和時間上的安排。

Wētā FX 憑藉其臉部系統在數位角色領域做了很多，能否分享本片採用的新方法為何？

Joe Letteri：對我來說，這系統其實從製作「咕嚕」時就在使用，我們只是在努力克服限制，所以我只需要想如何解決，但實際上 Daniel Barrett 則是不得不處理它。

Daniel Barrett：多年來，我們一直使用的 FACS 系統，並非基於肌肉的系統，基本上它是一個基於臉部表面的混合形狀系統，它更多地是關於如何分解表情，以及動畫師如何組合。你可以用它做非常棒的情感表演，但你很容易偏離模型。你可以很容易地把不應該組合的東西組合起來，然後突然間你不太清楚自己的角色，接著又必須回去弄清楚來龍去脈，有時甚至得重建它。

我認為過去我們一直擅長情感上合理的工作，但我們真的希望在解剖學上更加合理，因此這個新系統使用肌肉拉伸來驅動，而不僅僅是表面。我們基本上是透過重建演員的臉部來測量臉部的肌肉拉伸，最後再將其應用於角色上。

Wētā FX 一直運用深度學習和機器學習技術在臉部工具上，本片就是這種情況嗎？

Joe Letteri：我們開始在合適的地方使用它。臉部是一個非常有趣的例子，因為正如 Daniel 所說，我們想了解肌肉結構，但總不能在拍戲時即時解剖臉部，所以我們唯一能做的就是嘗試推斷它。在試圖理解肌肉結構的過程中，我意識到與建構神經網路的方式非常相似。所以我想與其嘗試使用深度學習來猜測神經網路，我們為什麼不直接告訴神經網路它要做什麼呢？這為我們提供了一種更直接的方法來接近它。

舊系統是混合變形系統，它是線性的，所以如果你想要眨眼，"0.2"將使眼睛部分閉合，"0.5"將閉合得更多，基本上是透過這些步驟來達到想要的眨眼效果。但你可以透過神經網路直接進行編碼。你可以只說睜眼、閉眼，所有動作都由神經網路處理，而不是由製作木偶的團隊處理。

舉例來說，當一個演員很多顆鏡頭被混在一起時，這會很有幫助。假設導演喜歡這裡的第一部分和這裡的第二部分，他會改變剪接點，希望以不同的節奏呈現。因此假設你使用混合變形系統，處理起來會很痛苦，兩邊眼睛會處於不同的位置，一個可能一直在向右看，另一個則一直向左看，但很明顯地這不是正確的表達方式。然而新系統允許動畫師合理地混合這些轉變，以一種更自然的方式呈現表演，這也將使動畫師可以專注於安排時間，而不是技術。

資料來源：befores & afters。文章由映 CG 所有，如需轉載請聯絡我們。