TED2009
Ed Ulbrich: How Benjamin Button got his face
Ed Ulbrich pokazuje, jak powstawała twarz Benjamina Buttona
Filmed:
Readability: 4.4
1,080,448 views
Ed Ulbrich, guru efektów cyfrowych z Digital Domain, tłumaczy technologię, której zawdzięcza Oskara, i która pozwoliła jego ekipie odtworzyć cyfrowo młodszą i starszą wersję twarzy Brada Pitta na potrzeby filmu "Ciekawy przypadek Benjamina Buttona".
Ed Ulbrich - Visual storyteller
Ed Ulbrich works at the leading edge of computer-generated visuals. On a recent project, filmmakers, artists, and technologists have been working at a breakthrough point where reality and digitally created worlds collide. Full bio
Ed Ulbrich works at the leading edge of computer-generated visuals. On a recent project, filmmakers, artists, and technologists have been working at a breakthrough point where reality and digitally created worlds collide. Full bio
Double-click the English transcript below to play the video.
00:18
I'm here today representing a team of artists and technologists and filmmakers
0
0
5000
Reprezentuję tu dziś grupę artystów, technologów i filmowców,
00:23
that worked together on a remarkable film project for the last four years.
1
5000
3000
która przez ostatnie cztery lata pracowała nad niezwykłym projektem filmowym
00:26
And along the way they created a breakthrough in computer visualization.
2
8000
4000
i dokonała przełomu w wizualizacji komputerowej.
00:30
So I want to show you a clip of the film now.
3
12000
3000
Teraz chcę pokazać państwu fragment filmu.
00:33
Hopefully it won't stutter.
4
15000
3000
Mam nadzieję, że się nie zatnie.
00:36
And if we did our jobs well, you won't know that we were even involved.
5
18000
3000
Jeśli spisaliśmy się dobrze, to nawet nie zauważycie naszej ingerencji.
00:39
Voice (Video): I don't know how it's possible ...
6
21000
3000
Film: Nie wiem, jak to możliwe...
00:42
but you seem to have more hair.
7
24000
3000
ale masz chyba więcej włosów.
00:45
Brad Pitt: What if I told you that I wasn't getting older ...
8
27000
3000
Benjamin Button: A co, jeśli powiem ci, że wcale się nie starzałem...
00:48
but I was getting younger than everybody else?
9
30000
2000
ale stawałem się młodszy niż inni?
00:53
I was born with some form of disease.
10
35000
3000
Urodziłem się z pewną chorobą.
00:56
Voice: What kind of disease?
11
38000
2000
Głos: Jaką chorobą?
00:58
BP: I was born old.
12
40000
2000
BB: Urodziłem się stary.
01:01
Man: I'm sorry.
13
43000
2000
Mężczyzna: Przykro mi.
01:03
BP: No need to be. There's nothing wrong with old age.
14
45000
3000
BB: Niepotrzebnie. Nie ma nic złego w byciu starym.
01:08
Girl: Are you sick?
15
50000
2000
Dziewczynka: Jesteś chory?
01:10
BP: I heard momma and Tizzy whisper,
16
52000
3000
BB: Usłyszałem szept mamy i Tizzy,
01:13
and they said I was gonna die soon.
17
55000
2000
powiedziały, że wkrótce umrę.
01:15
But ... maybe not.
18
57000
3000
Ale...może nie.
01:18
Girl: You're different than anybody I've ever met.
19
60000
3000
Dziewczynka: Jesteś inny niż wszyscy.
01:22
BB: There were many changes ...
20
64000
3000
BB: Zachodziło wiele zmian...
01:25
some you could see, some you couldn't.
21
67000
3000
część była widoczna, część nie.
01:28
Hair started growing in all sorts of places,
22
70000
3000
Tu i tam zaczęły rosnąć włosy,
01:31
along with other things.
23
73000
3000
rosły też inne części ciała.
01:34
I felt pretty good, considering.
24
76000
3000
Czułem się całkiem dobrze.
01:38
Ed Ulbrich: That was a clip from "The Curious Case of Benjamin Button."
25
80000
4000
To był fragment "Ciekawego przypadku Benjamina Buttona".
01:42
Many of you, maybe you've seen it or you've heard of the story,
26
84000
4000
Być może wielu z państwa widziało ten film lub słyszało o nim
01:46
but what you might not know
27
88000
2000
ale pewnie nie wiecie,
01:48
is that for nearly the first hour of the film,
28
90000
2000
że niemal przez całą pierwszą godzinę filmu
01:50
the main character, Benjamin Button, who's played by Brad Pitt,
29
92000
3000
główny bohater Benjamin Button, którego grał Brad Pitt,
01:53
is completely computer-generated from the neck up.
30
95000
3000
od szyi w górę jest w pełni wygenerowany przez komputer.
01:56
Now, there's no use of prosthetic makeup
31
98000
3000
Nie potrzebujemy już prostetycznego makjażu
01:59
or photography of Brad superimposed over another actor's body.
32
101000
3000
albo zdjęcia Brada naniesionego na ciało innego aktora.
02:02
We've created a completely digital human head.
33
104000
3000
Stworzyliśmy całkowicie cyfrową głowę.
02:05
So I'd like to start with a little bit of history on the project.
34
107000
3000
Najpierw jednak opowiem nieco o historii tego projektu.
02:08
This is based on an F. Scott Fitzgerald short story.
35
110000
2000
Jest on oparty na krótkiej opowieści F.Scotta Fitzgeralda.
02:10
It's about a man who's born old and lives his life in reverse.
36
112000
3000
To opowieść o mężczyźnie, który rodzi się stary i z czasem młodnieje.
02:13
Now, this movie has floated around Hollywood
37
115000
2000
Plany nakręcenia filmu krążyły w Hollywood
02:15
for well over half a century,
38
117000
2000
od ponad pięćdziesięciu lat,
02:17
and we first got involved with the project in the early '90s,
39
119000
3000
a my po raz pierwszy zainteresowaliśmy się nim na początku lat 90-tych
02:20
with Ron Howard as the director.
40
122000
2000
z Ronem Howardem jako reżyserem.
02:22
We took a lot of meetings and we seriously considered it.
41
124000
3000
Odbyliśmy wiele spotkań i poważnie rozważaliśmy projekt.
02:25
But at the time we had to throw in the towel.
42
127000
2000
Ale wówczas musieliśmy go porzucić,
02:27
It was deemed impossible.
43
129000
2000
gdyż uznaliśmy go za niemożliwy.
02:29
It was beyond the technology of the day to depict a man aging backwards.
44
131000
4000
Ówczesna technologia nie pozwalała na przedstawienie młodniejącego człowieka.
02:33
The human form, in particular the human head,
45
135000
3000
Postać człowieka, a w szczególności głowa,
02:36
has been considered the Holy Grail of our industry.
46
138000
3000
uznawane były za Święty Graal naszej branży.
02:39
The project came back to us about a decade later,
47
141000
3000
Projekt powrócił dekadę później,
02:42
and this time with a director named David Fincher.
48
144000
3000
tym razem za sprawą reżysera Davida Finchera.
02:45
Now, Fincher is an interesting guy.
49
147000
3000
Fincher to interesujący typ.
02:48
David is fearless of technology,
50
150000
2000
David nie boi się technologii
02:50
and he is absolutely tenacious.
51
152000
2000
i jest całkowicie nieustępliwy.
02:52
And David won't take "no."
52
154000
2000
Nie przyjmuje odmowy
02:54
And David believed, like we do in the visual effects industry,
53
156000
3000
i wierzył, jak my wszyscy w branży efektów wizualnych,
02:57
that anything is possible
54
159000
3000
że wszystko jest możliwe
03:00
as long as you have enough time, resources and, of course, money.
55
162000
3000
jeśli ma się wystarczająco dużo czasu, środków i oczywiście pieniędzy.
03:03
And so David had an interesting take on the film,
56
165000
4000
Tak więc David miał interesujący pomysł na film
03:07
and he threw a challenge at us.
57
169000
3000
i rzucił nam wyzwanie.
03:10
He wanted the main character of the film to be played
58
172000
3000
Chciał, żeby głównego bohatera
03:13
from the cradle to the grave by one actor.
59
175000
2000
od początku do końca grał jeden aktor.
03:15
It happened to be this guy.
60
177000
2000
Padło na niego.
03:17
We went through a process of elimination and a process of discovery
61
179000
3000
Pewne rzeczy musieliśmy wyeliminować, pewne odkryć
03:20
with David, and we ruled out, of course, swapping actors.
62
182000
3000
i razem Davidem odrzuciliśmy oczywiście podmianę aktorów.
03:23
That was one idea: that we would have different actors,
63
185000
3000
Bo był taki pomysł, że rolę będzie odtwarzać
03:26
and we would hand off from actor to actor.
64
188000
2000
kilku aktorów.
03:28
We even ruled out the idea of using makeup.
65
190000
2000
Nie użyliśmy nawet makijażu prostetycznego.
03:30
We realized that prosthetic makeup just wouldn't hold up,
66
192000
3000
Doszliśmy do wniosku, że nie będzie on wiarygodny,
03:33
particularly in close-up.
67
195000
2000
zwłaszcza w zbliżeniach.
03:35
And makeup is an additive process. You have to build the face up.
68
197000
3000
Przy takim makijażu trzeba konstruować całą twarz.
03:38
And David wanted to carve deeply into Brad's face
69
200000
3000
A David chciał dokładnie odwzorować twarz Brada,
03:41
to bring the aging to this character.
70
203000
2000
żeby ukazać jego starzenie się.
03:43
He needed to be a very sympathetic character.
71
205000
2000
Wszystko musiało w nim idealnie pasować.
03:45
So we decided to cast a series of little people
72
207000
3000
Więc postanowiliśmy, że różni niscy ludzie
03:48
that would play the different bodies of Benjamin
73
210000
3000
zagrają ciało Benjamina
03:51
at the different increments of his life
74
213000
2000
z poszczególnych etapów jego życia,
03:53
and that we would in fact create a computer-generated version of Brad's head,
75
215000
3000
a my stworzymy komputerową wersję jego głowy,
03:56
aged to appear as Benjamin,
76
218000
2000
odpowiednio postarzoną
03:58
and attach that to the body of the real actor.
77
220000
3000
i połączymy ją z ciałem prawdziwego aktora.
04:01
Sounded great.
78
223000
2000
Brzmiało świetnie.
04:03
Of course, this was the Holy Grail of our industry,
79
225000
3000
Oczywiście, był to Święty Graal naszej branży,
04:06
and the fact that this guy is a global icon didn't help either,
80
228000
3000
a sława Brada wcale nie pomagała,
04:09
because I'm sure if any of you ever stand in line at the grocery store,
81
231000
3000
bo sami pewnie dobrze wiecie,
04:12
you know -- we see his face constantly.
82
234000
3000
że jego twarz jest obecna dosłownie wszędzie.
04:15
So there really was no tolerable margin of error.
83
237000
2000
Dlatego też nie mogliśmy się w niczym pomylić.
04:17
There were two studios involved: Warner Brothers and Paramount.
84
239000
3000
W prace włączyły się dwa studia: Warner Brothers i Paramount.
04:20
And they both believed this would make an amazing film, of course,
85
242000
3000
I oczywiście oba były przekonane o sukcesie filmu,
04:23
but it was a very high-risk proposition.
86
245000
3000
ale było to bardzo ryzykowne przedsięwzięcie.
04:26
There was lots of money and reputations at stake.
87
248000
3000
W grę wchodziły grube pieniądze i reputacja.
04:29
But we believed that we had a very solid methodology
88
251000
3000
Wierzyliśmy, że mamy solidne, teoretyczne podstawy,
04:32
that might work ...
89
254000
3000
które mogą zadziałać...
04:35
But despite our verbal assurances,
90
257000
3000
Jednak oprócz zapewnień słownych,
04:38
they wanted some proof.
91
260000
2000
studia chciały dowodu.
04:40
And so, in 2004, they commissioned us to do a screen test of Benjamin.
92
262000
3000
Tak więc w 2004 roku zlecono nam zrobienie zdjęć próbnych Benjamina.
04:43
And we did it in about five weeks.
93
265000
3000
Zajęło nam to pięć tygodni.
04:46
But we used lots of cheats and shortcuts.
94
268000
3000
Ale użyliśmy sztuczek i poszliśmy na skróty.
04:49
We basically put something together to get through the meeting.
95
271000
3000
Chcieliśmy po prostu przedstawić cokolwiek na spotkaniu.
04:52
I'll roll that for you now. This was the first test for Benjamin Button.
96
274000
3000
Puszczę to teraz państwu. To była pierwsza próba dla Benjamina Buttona.
04:55
And in here, you can see, that's a computer-generated head --
97
277000
3000
Widać tu, że głowa jest stworzona komputerowo.
04:58
pretty good -- attached to the body of an actor.
98
280000
3000
Wyszła całkiem dobrze. Połączono ją z ciałem aktora.
05:01
And it worked. And it gave the studio great relief.
99
283000
3000
Zadziałało. A studio odetchnęło z ulgą.
05:04
After many years of starts and stops on this project,
100
286000
3000
Po wielu latach prób i wahań
05:07
and making that tough decision,
101
289000
3000
i podejmowaniu tej trudnej decyzji
05:10
they finally decided to greenlight the movie.
102
292000
3000
w końcu postanowili dać filmowi szansę.
05:13
And I can remember, actually, when I got the phone call to congratulate us,
103
295000
3000
I pamiętam, że kiedy zadzwoniono do mnie z gratulacjami
05:16
to say the movie was a go,
104
298000
2000
i informacją, że film przyjęto,
05:18
I actually threw up.
105
300000
2000
zwymiotowałem.
05:20
(Laughter)
106
302000
2000
(Śmiech)
05:22
You know, this is some tough stuff.
107
304000
2000
Tak to właśnie wyglądało.
05:24
So we started to have early team meetings,
108
306000
3000
Zaczęły się spotkania zespołu.
05:27
and we got everybody together,
109
309000
2000
Zebraliśmy wszystkich
05:29
and it was really more like therapy in the beginning,
110
311000
3000
i na początku wyglądało to jak terapia:
05:32
convincing each other and reassuring each other that we could actually undertake this.
111
314000
3000
wzajemne przekonywanie się i zapewnianie, że damy radę.
05:35
We had to hold up an hour of a movie with a character.
112
317000
3000
Musieliśmy stworzyć godzinę filmu z naszym bohaterem.
05:38
And it's not a special effects film; it has to be a man.
113
320000
3000
Nie chodziło o efekty specjalne, tylko o realnego człowieka.
05:41
We really felt like we were in a -- kind of a 12-step program.
114
323000
3000
Czuliśmy, jakby to był 12-etapowy program,
05:44
And of course, the first step is: admit you've got a problem. (Laughter)
115
326000
3000
w którym etap pierwszy brzmi: przyznaj, że masz problem.
05:48
So we had a big problem:
116
330000
2000
No a my mieliśmy duży problem.
05:50
we didn't know how we were going to do this.
117
332000
3000
Nie mieliśmy pojęcia, jak to zrobimy.
05:53
But we did know one thing.
118
335000
2000
Ale wiedzieliśmy jedno.
05:55
Being from the visual effects industry,
119
337000
3000
Jako członkowie branży efektów wizualnych
05:58
we, with David, believed that we now had enough time,
120
340000
3000
razem z Davidem wierzyliśmy, że mamy wystarczająco dużo czasu,
06:01
enough resources, and, God, we hoped we had enough money.
121
343000
3000
środków i, daj Boże, pieniędzy.
06:04
And we had enough passion to will the processes and technology into existence.
122
346000
5000
Mieliśmy też dość pasji, żeby wcielić w życie nowe technologie.
06:09
So, when you're faced with something like that,
123
351000
2000
Kiedy staje się przed takim wyzwaniem
06:11
of course you've got to break it down.
124
353000
2000
należy go oczywiście rozłożyć na czynniki pierwsze.
06:13
You take the big problem and you break it down into smaller pieces
125
355000
2000
Duży problem dzieli się na kilka małych
06:15
and you start to attack that.
126
357000
1000
i przystępuje do pracy.
06:16
So we had three main areas that we had to focus on.
127
358000
2000
My musieliśmy się skupić na trzech głównych aspektach.
06:18
We needed to make Brad look a lot older --
128
360000
2000
Po pierwsze, musieliśmy postarzyć Brada o jakieś 45 lat.
06:20
needed to age him 45 years or so.
129
362000
2000
Musieliśmy też mieć pewność,
06:22
And we also needed to make sure that we could take Brad's idiosyncrasies,
130
364000
6000
że ujmiemy wszystkie jego cechy charakterystyczne;
06:28
his little tics, the little subtleties that make him who he is
131
370000
2000
tiki, szczegóły i wszystko to, co czyni Brada sobą,
06:30
and have that translate through our process
132
372000
2000
oraz że przerobimy je tak,
06:32
so that it appears in Benjamin on the screen.
133
374000
3000
żeby pojawiły się u Benjamina.
06:35
And we also needed to create a character
134
377000
2000
Ponadto nasz bohater
06:37
that could hold up under, really, all conditions.
135
379000
3000
powinien spełniać wszystkie możliwe warunki:
06:40
He needed to be able to walk in broad daylight,
136
382000
2000
musiał dostosować się do światła dziennego,
06:42
at nighttime, under candlelight,
137
384000
3000
nocy, blasku świec.
06:45
he had to hold an extreme close-up,
138
387000
2000
Musiał sprostać ekstremalnym zbliżeniom,
06:47
he had to deliver dialogue,
139
389000
1000
konwersować,
06:48
he had to be able to run, he had to be able to sweat,
140
390000
2000
biegać, pocić się,
06:50
he had to be able to take a bath, to cry,
141
392000
2000
brać kąpiel, płakać,
06:52
he even had to throw up.
142
394000
1000
a nawet wymiotować.
06:53
Not all at the same time --
143
395000
1000
Oczywiście nie wszystko na raz.
06:54
but he had to, you know, do all of those things.
144
396000
2000
No ale wiecie, musiał to wszystko umieć.
06:56
And the work had to hold up for almost the first hour of the movie.
145
398000
3000
Musieliśmy nakręcić w ten sposób prawie cała pierwszą godzinę filmu.
06:59
We did about 325 shots.
146
401000
2000
Zrobiliśmy około 325 zdjęć.
07:01
So we needed a system that would allow Benjamin
147
403000
3000
Dlatego też potrzebowaliśmy systemu, który umożliwiłby Benjaminowi
07:04
to do everything a human being can do.
148
406000
3000
robienie wszystkiego tego, co potrafi człowiek.
07:07
And we realized that there was a giant chasm
149
409000
3000
Zdawaliśmy sobie sprawę z przepaści,
07:10
between the state of the art of technology in 2004
150
412000
3000
która istniała pomiędzy technologią z 2004 roku
07:13
and where we needed it to be.
151
415000
2000
a tym, czego my potrzebowaliśmy.
07:15
So we focused on motion capture.
152
417000
3000
Skupiliśmy się zatem na motion capture.
07:18
I'm sure many of you have seen motion capture.
153
420000
2000
Jestem pewien, że wielu z państwa widziało już tę technologię.
07:20
The state of the art at the time
154
422000
2000
W tamtym czasie szczytem techniki
07:22
was something called marker-based motion capture.
155
424000
2000
był tzw. marker-based motion capture.
07:24
I'll give you an example here.
156
426000
1000
Pokażę państwu przykład.
07:25
It's basically the idea of, you wear a leotard,
157
427000
2000
Wygląda to tak: ubiera się strój gimnastyczny,
07:27
and they put some reflective markers on your body,
158
429000
2000
a na ciało przypina się odblaskowe punkty.
07:29
and instead of using cameras,
159
431000
2000
i zamiast kamer
07:31
there're infrared sensors around a volume,
160
433000
2000
używa się czujników na podczerwień
07:33
and those infrared sensors track the three-dimensional position
161
435000
2000
umieszczonych na całym ciele,
07:35
of those markers in real time.
162
437000
2000
które śledzą trójwymiarową pozycję punktów w czasie rzeczywistym.
07:37
And then animators can take the data of the motion of those markers
163
439000
3000
Następnie animator zbiera dane dotyczące ruchu punktów
07:40
and apply them to a computer-generated character.
164
442000
2000
i dostosowuje je do komputerowej postaci.
07:42
You can see the computer characters on the right
165
444000
3000
Można zauważyć, że komputerowe postacie po prawej
07:45
are having the same complex motion as the dancers.
166
447000
3000
ruszają się tak samo jak tancerze.
07:48
But we also looked at numbers of other films at the time
167
450000
2000
Zwróciliśmy ponadto uwagę na inne filmy,
07:50
that were using facial marker tracking,
168
452000
2000
które wykorzystały tę technikę do odtworzenia twarzy.
07:52
and that's the idea of putting markers on the human face
169
454000
2000
Umieszczano takie właśnie punkty na twarzy
07:54
and doing the same process.
170
456000
1000
i postępowano jak już opisałem.
07:55
And as you can see, it gives you a pretty crappy performance.
171
457000
4000
Jak widać, wyszło beznadziejnie.
07:59
That's not terribly compelling.
172
461000
3000
Ale nie w tym rzecz.
08:02
And what we realized
173
464000
2000
Zdaliśmy sobie sprawę,
08:04
was that what we needed
174
466000
1000
że potrzebujemy tego
08:05
was the information that was going on between the markers.
175
467000
2000
co działo się pomiędzy punktami.
08:07
We needed the subtleties of the skin.
176
469000
3000
Potrzebowaliśmy szczegółów skóry.
08:10
We needed to see skin moving over muscle moving over bone.
177
472000
3000
Każdego ruchu skóry czy mięśni.
08:13
We needed creases and dimples and wrinkles and all of those things.
178
475000
2000
Zmarszczek, wgłębień, bruzd i innych tego typu detali.
08:15
Our first revelation was to completely abort and walk away from
179
477000
3000
Chcieliśmy całkowicie odejść od ówczesnej technologii,
08:18
the technology of the day, the status quo, the state of the art.
180
480000
3000
od tego, czego używano do tej pory.
08:21
So we aborted using motion capture.
181
483000
3000
Dlatego też porzuciliśmy motion capture.
08:24
And we were now well out of our comfort zone,
182
486000
3000
Tak oto znaleźliśmy się tam,
08:27
and in uncharted territory.
183
489000
2000
gdzie nie był nikt przed nami.
08:29
So we were left with this idea
184
491000
3000
Pozostała nam technologia,
08:32
that we ended up calling "technology stew."
185
494000
3000
którą zaczęliśmy nazywać "technologiczny mix".
08:35
We started to look out in other fields.
186
497000
2000
Zaczęliśmy patrzeć na inne dziedziny
08:37
The idea was that we were going to find
187
499000
3000
licząc, że uda się znaleźć technikę
08:40
nuggets or gems of technology
188
502000
2000
pochodzącą z innych obszarów,
08:42
that come from other industries like medical imaging,
189
504000
2000
jak np. obrazowanie medyczne,
08:44
the video game space,
190
506000
1000
czy gry video
08:45
and re-appropriate them.
191
507000
2000
i dostosować ją do naszych potrzeb.
08:47
And we had to create kind of a sauce.
192
509000
3000
Musieliśmy stworzyć pewnego rodzaju podstawę.
08:50
And the sauce was code in software
193
512000
3000
I tą podstawą był kod w oprogramowaniu,
08:53
that we'd written to allow these disparate pieces of technology
194
515000
3000
które napisaliśmy, aby połączyć w całość
08:56
to come together and work as one.
195
518000
2000
te odrębne części technologii.
08:58
Initially, we came across some remarkable research
196
520000
2000
Początkowo natknęliśmy się na niezwykłe badanie
09:00
done by a gentleman named Dr. Paul Ekman in the early '70s.
197
522000
3000
przeprowadzone początkiem lat 70-tych przez Dr. Paula Ekmana.
09:03
He believed that he could, in fact,
198
525000
3000
Wierzył on, że jest w stanie
09:06
catalog the human face.
199
528000
2000
skatalogować ludzką twarz.
09:08
And he came up with this idea of Facial Action Coding System, or FACS.
200
530000
3000
I stworzył Facial Action Coding System.
09:11
He believed that there were 70 basic poses
201
533000
3000
Według niego istnieje 70 podstawowych póz
09:14
or shapes of the human face,
202
536000
3000
albo kształtów ludzkiej twarzy.
09:17
and that those basic poses or shapes of the face
203
539000
3000
Ich różne kombinacje
09:20
can be combined to create infinite possibilities
204
542000
3000
dają nieskończone możliwości wszystkiego tego,
09:23
of everything the human face is capable of doing.
205
545000
2000
co twarz jest w stanie zrobić.
09:25
And of course, these transcend age, race, culture, gender.
206
547000
3000
Oczywiście nie chodzi tu o wiek, kolor skóry, kulturę czy płeć.
09:28
So this became the foundation of our research as we went forward.
207
550000
4000
To stało się podstawą naszych dalszych badań.
09:32
And then we came across some remarkable technology
208
554000
3000
I wtedy natrafiliśmy na niezwykłą technikę
09:35
called Contour.
209
557000
1000
zwaną Contour.
09:36
And here you can see a subject having phosphorus makeup
210
558000
3000
Widzą tu państwo postać z przyklejonym do twarzy
09:39
stippled on her face.
211
561000
2000
makijażem z fosforu.
09:41
And now what we're looking at is really creating a surface capture
212
563000
3000
Chodzi tu o utrwalenie całej powierzchni,
09:44
as opposed to a marker capture.
213
566000
2000
a nie tylko punktów.
09:46
The subject stands in front of a computer array of cameras,
214
568000
2000
Postać stoi przed kamerami,
09:48
and those cameras can, frame-by-frame,
215
570000
2000
które, klatka za klatką,
09:50
reconstruct the geometry of exactly what the subject's doing at the moment.
216
572000
3000
rekonstruują ruchy obiektu w danym momencie.
09:53
So, effectively, you get 3D data in real time of the subject.
217
575000
5000
Dzięki temu otrzymujemy trójwymiarowe dane w czasie rzeczywistym.
09:58
And if you look in a comparison,
218
580000
3000
I jeśli spojrzymy na porównanie,
10:01
on the left, we see what volumetric data gives us
219
583000
3000
po lewej stronie widzimy, co dają dane wolumetryczne
10:04
and on the right you see what markers give us.
220
586000
2000
a po prawej- co punkty.
10:07
So, clearly, we were in a substantially better place for this.
221
589000
2000
Ewidentnie, było to już coś lepszego.
10:09
But these were the early days of this technology,
222
591000
2000
Niestety, były to dopiero początki tej technologii
10:11
and it wasn't really proven yet.
223
593000
2000
i nie była jeszcze do końca sprawdzona.
10:13
We measure complexity and fidelity of data
224
595000
2000
Zmierzyliśmy złożoność i wierność danych
10:15
in terms of polygonal count.
225
597000
2000
pod kątem grafiki trójwymiarowej.
10:17
And so, on the left, we were seeing 100,000 polygons.
226
599000
3000
Po lewej widać 100 000 wielokątów.
10:20
We could go up into the millions of polygons.
227
602000
2000
Mogliśmy dojść nawet do milionów.
10:22
It seemed to be infinite.
228
604000
2000
Wydawało się to nie mieć końca.
10:24
This was when we had our "Aha!"
229
606000
2000
I to właśnie wtedy padło nasze "a ha!".
10:26
This was the breakthrough.
230
608000
1000
To był przełom.
10:27
This is when we're like, "OK, we're going to be OK,
231
609000
2000
Pomyśleliśmy wtedy:
10:29
This is actually going to work."
232
611000
1000
"OK, to naprawdę zadziała".
10:30
And the "Aha!" was, what if we could take Brad Pitt,
233
612000
4000
Nasz najnowszy pomysł polegał na tym,
10:34
and we could put Brad in this device,
234
616000
3000
żeby podpiąć Brada do urządzenia
10:37
and use this Contour process,
235
619000
2000
i użyć techniki Contour.
10:39
and we could stipple on this phosphorescent makeup
236
621000
2000
Moglibyśmy wtedy tepować ten fosforescentny makijaż,
10:41
and put him under the black lights,
237
623000
1000
użyć światła ultrafioletowego
10:42
and we could, in fact, scan him in real time
238
624000
3000
i zeskanować w rzeczywistym czasie twarz Brada
10:45
performing Ekman's FACS poses.
239
627000
2000
wykonującą pozycje Ekmana.
10:47
Right? So, effectively,
240
629000
2000
Tak więc otrzymaliśmy
10:49
we ended up with a 3D database
241
631000
2000
bazę trójwymiarowych danych
10:51
of everything Brad Pitt's face is capable of doing.
242
633000
3000
dotyczących wszystkiego, co potrafi twarz Brada.
10:54
(Laughter)
243
636000
2000
(Śmiech)
10:56
From there, we actually carved up those faces
244
638000
3000
Podzieliliśmy potem te wszystkie twarze
10:59
into smaller pieces and components of his face.
245
641000
3000
na mniejsze części.
11:02
So we ended up with literally thousands and thousands and thousands of shapes,
246
644000
3000
Tak otrzymaliśmy tysiące kształtów.
11:05
a complete database of all possibilities
247
647000
3000
Całkowita baza wszystkich możliwości twarzy Brada.
11:08
that his face is capable of doing.
248
650000
3000
I wszystko byłoby pięknie, gdyby nie to,
11:11
Now, that's great, except we had him at age 44.
249
653000
3000
że ujęliśmy go w wieku 44 lat.
11:14
We need to put another 40 years on him at this point.
250
656000
3000
Teraz musimy mu dodać jeszcze 40 lat.
11:17
We brought in Rick Baker,
251
659000
2000
Poprosiliśmy o pomoc Ricka Bakera,
11:19
and Rick is one of the great makeup and special effects gurus
252
661000
2000
guru od makijażu
11:21
of our industry.
253
663000
1000
i efektów specjalnych,
11:22
And we also brought in a gentleman named Kazu Tsuji,
254
664000
3000
oraz Kazu Tsuji,
11:25
and Kazu Tsuji is one of the great photorealist sculptors of our time.
255
667000
3000
świetnego rzeźbiarza realistycznego.
11:28
And we commissioned them to make a maquette,
256
670000
3000
Poprosiliśmy ich o zrobienie makiety,
11:31
or a bust, of Benjamin.
257
673000
2000
albo popiersia Benjamina.
11:33
So, in the spirit of "The Great Unveiling" -- I had to do this --
258
675000
3000
A że tradycyjnie trzeba coś odsłonić,
11:36
I had to unveil something.
259
678000
2000
odsłonię i ja.
11:38
So this is Ben 80.
260
680000
2000
Oto 80-letni Ben.
11:40
We created three of these:
261
682000
2000
Mamy trzy takie rzeźby:
11:42
there's Ben 80, there's Ben 70, there's Ben 60.
262
684000
2000
Ben w wieku 80, 70 i 60 lat.
11:44
And this really became the template for moving forward.
263
686000
3000
Pokazują one nasz krok do przodu.
11:47
Now, this was made from a life cast of Brad.
264
689000
2000
Zostały one zrobione z odlewu twarzy Brada,
11:49
So, in fact, anatomically, it is correct.
265
691000
3000
więc są anatomicznie idealne.
11:52
The eyes, the jaw, the teeth:
266
694000
3000
Oczy, szczęka, zęby...
11:55
everything is in perfect alignment with what the real guy has.
267
697000
3000
Wszystko zgadza się całkowicie.
11:58
We have these maquettes scanned into the computer
268
700000
2000
Makiety przeskanowano do komputera
12:00
at very high resolution --
269
702000
2000
z bardzo wysoką rozdzielczością.
12:02
enormous polygonal count.
270
704000
2000
Niesamowita ilość wielokątów.
12:04
And so now we had three age increments of Benjamin
271
706000
4000
Mieliśmy więc w komputerze Benjamina
12:08
in the computer.
272
710000
2000
z trzech etapów życia.
12:10
But we needed to get a database of him doing more than that.
273
712000
3000
Ale potrzebowaliśmy czegoś więcej.
12:13
We went through this process, then, called retargeting.
274
715000
3000
Przeszliśmy przez proces zwany przenoszeniem.
12:16
This is Brad doing one of the Ekman FACS poses.
275
718000
2000
Tutaj Brad wykonuje jedną z póz Ekmana,
12:18
And here's the resulting data that comes from that,
276
720000
3000
a tutaj uzyskane w ten sposób dane
12:21
the model that comes from that.
277
723000
2000
oraz model.
12:23
Retargeting is the process of transposing that data
278
725000
3000
Przenoszenie to proces transportowania danych
12:26
onto another model.
279
728000
2000
na inny model.
12:28
And because the life cast, or the bust -- the maquette -- of Benjamin
280
730000
3000
A ponieważ pierwowzorem popiersia
12:31
was made from Brad,
281
733000
2000
był Brad,
12:33
we could transpose the data of Brad at 44
282
735000
3000
mogliśmy przenieść dane 44-letniego Brada
12:36
onto Brad at 87.
283
738000
2000
na Brada w wieku 87 lat.
12:38
So now, we had a 3D database of everything Brad Pitt's face can do
284
740000
3000
Otrzymaliśmy dane w 3D dotyczące możliwości twarzy Brada
12:41
at age 87, in his 70s and in his 60s.
285
743000
4000
w wieku 87, 70 i 60 lat.
12:45
Next we had to go into the shooting process.
286
747000
3000
Teraz trzeba było przejść do kręcenia.
12:48
So while all that's going on,
287
750000
1000
W Nowym Orleanie
12:49
we're down in New Orleans and locations around the world.
288
751000
2000
i różnych miejscach na świecie
12:51
And we shot our body actors,
289
753000
2000
nagrywaliśmy aktorów grających ciała
12:53
and we shot them wearing blue hoods.
290
755000
2000
noszących niebieskie kominiarki.
12:55
So these are the gentleman who played Benjamin.
291
757000
2000
Ten człowiek gra Benjamina.
12:57
And the blue hoods helped us with two things:
292
759000
2000
Niebieskie nakrycia pomogły nam w dwóch rzeczach:
12:59
one, we could easily erase their heads;
293
761000
2000
mogliśmy łatwo wyciąć głowy aktorów
13:01
and we also put tracking markers on their heads
294
763000
2000
oraz umieścić na nich punkty,
13:03
so we could recreate the camera motion
295
765000
2000
dzięki którym odwzorowaliśmy ruchy kamer
13:05
and the lens optics from the set.
296
767000
2000
z planu filmowego.
13:07
But now we needed to get Brad's performance to drive our virtual Benjamin.
297
769000
3000
Teraz musieliśmy nanieść wykonanie Brada na wirtualnego Benjamina.
13:10
And so we edited the footage that was shot on location
298
772000
2000
Zmontowaliśmy więc materiał filmowy nakręcony w plenerze
13:12
with the rest of the cast and the body actors
299
774000
3000
z całą obsadą i aktorami grającymi ciała
13:15
and about six months later
300
777000
2000
i pół roku później
13:17
we brought Brad onto a sound stage in Los Angeles
301
779000
3000
sprowadziliśmy Brada do Los Angeles
13:20
and he watched on the screen.
302
782000
3000
gdzie oglądał nagranie
13:23
His job, then, was to become Benjamin.
303
785000
2000
i miał wcielić się w postać Benjamina.
13:25
And so we looped the scenes.
304
787000
1000
Brad oglądał sceny
13:26
He watched again and again.
305
788000
1000
po kilka razy.
13:27
We encouraged him to improvise.
306
789000
2000
Zachęcaliśmy go do improwizacji.
13:29
And he took Benjamin into interesting and unusual places
307
791000
3000
Zrobił z Benjaminem niesamowite rzeczy,
13:32
that we didn't think he was going to go.
308
794000
2000
których nigdy się nie spodziewaliśmy.
13:34
We shot him with four HD cameras
309
796000
2000
Nagrywaliśmy go czterema kamerami HD,
13:36
so we'd get multiple views of him
310
798000
1000
żeby uzyskać różnorodne ujęcia.
13:37
and then David would choose the take of Brad being Benjamin
311
799000
3000
Wówczas David wybierał te ujęcia,
13:40
that he thought best matched the footage
312
802000
3000
które najlepiej łączyły materiał
13:43
with the rest of the cast.
313
805000
1000
z resztą nagrania.
13:44
From there we went into a process called image analysis.
314
806000
3000
Następnie zajęliśmy się tzw. analizą obrazu.
13:47
And so here, you can see again, the chosen take.
315
809000
3000
Tutaj widzą państwo wybrane ujęcie.
13:50
And you are seeing, now, that data being transposed on to Ben 87.
316
812000
3000
A tutaj dane przenoszone na 87-letniego Bena.
13:53
And so, what's interesting about this is
317
815000
3000
Użyta tutaj analiza obrazu
13:56
we used something called image analysis,
318
818000
2000
polega na rozłożeniu czasowym
13:58
which is taking timings from different components of Benjamin's face.
319
820000
3000
różnych części twarzy Benjamina.
14:01
And so we could choose, say, his left eyebrow.
320
823000
3000
Mogliśmy wybrać na przykład lewą brew,
14:04
And the software would tell us that, well,
321
826000
2000
a system informuje nas o tym,
14:06
in frame 14 the left eyebrow begins to move from here to here,
322
828000
2000
że w klatce 14 zaczyna ona ruch stąd dotąd,
14:08
and it concludes moving in frame 32.
323
830000
2000
a w klatce 32 zatrzymuje się.
14:10
And so we could choose numbers of positions on the face
324
832000
2000
Mogliśmy ściągnąć takie dane
14:12
to pull that data from.
325
834000
2000
z różnych miejsc na twarzy.
14:14
And then, the sauce I talked about with our technology stew --
326
836000
2000
I wtedy podstawą tego mixu, o którym opowiadałem,
14:16
that secret sauce was, effectively, software that allowed us to
327
838000
3000
było oprogramowanie, które umożliwiło nam
14:19
match the performance footage of Brad
328
841000
3000
połączenie materiału z Bradem
14:22
in live action with our database of aged Benjamin,
329
844000
4000
z naszymi danymi dotyczącymi mimiki twarzy
14:26
the FACS shapes that we had.
330
848000
2000
starszego Benjamina.
14:28
On a frame-by-frame basis,
331
850000
3000
Klatka po klatce, mogliśmy odtworzyć
14:31
we could actually reconstruct a 3D head
332
853000
3000
trójwymiarową głowę,
14:34
that exactly matched the performance of Brad.
333
856000
3000
która idealnie zgadzała się z wykonaniem Brada.
14:37
So this was how the finished shot appeared in the film.
334
859000
3000
Tak oto końcowe zdjęcia pojawiły się w filmie.
14:40
And here you can see the body actor.
335
862000
2000
Tutaj widać aktorów grających ciała.
14:42
And then this is what we called the "dead head," no reference to Jerry Garcia.
336
864000
3000
A to nazywamy "dead head", nie mylić z Jerrym Garcia.
14:45
And then here's the reconstructed performance
337
867000
3000
Tutaj widać odtworzone wykonanie
14:48
now with the timings of the performance.
338
870000
3000
z pokazanym obok czasem.
14:51
And then, again, the final shot.
339
873000
2000
I tu znów ostateczne ujęcie.
14:54
It was a long process.
340
876000
2000
To był długi proces.
14:56
(Applause)
341
878000
3000
(Oklaski)
15:07
The next section here, I'm going to just blast through this,
342
889000
2000
Szybko przejdę przez następny dział,
15:09
because we could do a whole TEDTalk on the next several slides.
343
891000
4000
bo na kilka następnych slajdów można by poświęcić cały wykład.
15:13
We had to create a lighting system.
344
895000
3000
Musieliśmy stworzyć oświetlenie.
15:16
So really, a big part of our processes was creating a lighting environment
345
898000
3000
Dużo czasu poświęciliśmy na światło
15:19
for every single location that Benjamin had to appear
346
901000
2000
do każdej lokalizacji, w której występował Benjamin
15:21
so that we could put Ben's head into any scene
347
903000
3000
tak, aby jego głowa idealnie pasowała
15:24
and it would exactly match the lighting that's on the other actors
348
906000
3000
do oświetlenia, które padało
15:27
in the real world.
349
909000
1000
na innych aktorów.
15:28
We also had to create an eye system.
350
910000
3000
Dopracowaliśmy również oczy.
15:31
We found the old adage, you know,
351
913000
2000
Dostrzegliśmy prawdę w powiedzeniu,
15:33
"The eyes are the window to the soul,"
352
915000
2000
że oczy są zwierciadłem duszy.
15:35
absolutely true.
353
917000
1000
Chcieliśmy zatem,
15:36
So the key here was to keep everybody looking in Ben's eyes.
354
918000
2000
żeby każdy patrzył Benowi w oczy.
15:38
And if you could feel the warmth, and feel the humanity,
355
920000
2000
A jeśli dało się z nich wyczytać ciepło,
15:40
and feel his intent coming through the eyes,
356
922000
3000
uczucia i zamiary,
15:43
then we would succeed.
357
925000
1000
był to nasz sukces.
15:44
So we had one person focused on the eye system
358
926000
3000
Dlatego też jedna osoba pracowała nad tym
15:47
for almost two full years.
359
929000
2000
przez prawie dwa lata.
15:49
We also had to create a mouth system.
360
931000
2000
Pracowaliśmy również nad ustami,
15:51
We worked from dental molds of Brad.
361
933000
2000
opierając się na szczęce Brada.
15:53
We had to age the teeth over time.
362
935000
2000
Musieliśmy odpowiednio postarzyć zęby.
15:55
We also had to create an articulating tongue that allowed him to enunciate his words.
363
937000
3000
Opracowaliśmy również język umożliwiający artykulacje słów.
15:58
There was a whole system written in software to articulate the tongue.
364
940000
2000
Był za to odpowiedzialny cały system w oprogramowaniu.
16:00
We had one person devoted to the tongue for about nine months.
365
942000
2000
Jeden człowiek zajmował się językiem około 9 miesięcy.
16:02
He was very popular.
366
944000
2000
Był bardzo sławny.
16:04
Skin displacement: another big deal.
367
946000
3000
Kolejny problem: skóra.
16:07
The skin had to be absolutely accurate.
368
949000
2000
Musiała być ona idealnie dopasowana,
16:09
He's also in an old age home, he's in a nursing home
369
951000
3000
a ponieważ Ben przebywał w domu starców
16:12
around other old people,
370
954000
2000
razem z innymi starszymi ludźmi
16:14
so he had to look exactly the same as the others.
371
956000
2000
musiał wyglądać tak samo jak oni.
16:16
So, lots of work on skin deformation,
372
958000
1000
Stąd praca nad deformacjami skóry.
16:17
you can see in some of these cases it works,
373
959000
1000
Czasem działała,
16:18
in some cases it looks bad.
374
960000
1000
czasem nie.
16:19
This is a very, very, very early test in our process.
375
961000
2000
To bardzo wczesny etap.
16:21
So, effectively we created a digital puppet
376
963000
3000
Stworzyliśmy cyfrową twarz,
16:24
that Brad Pitt could operate with his own face.
377
966000
3000
którą Brad mógł sterować swoja twarzą.
16:27
There were no animators necessary to come in and interpret behavior
378
969000
4000
Animatorzy nie musieli interpretować zachowania,
16:31
or enhance his performance.
379
973000
2000
ani nic poprawiać.
16:33
There was something that we encountered, though,
380
975000
3000
Napotkaliśmy jednak coś,
16:36
that we ended up calling "the digital Botox effect."
381
978000
3000
co nazwaliśmy "efektem cyfrowego botoxu".
16:39
So, as things went through this process,
382
981000
3000
Fincher zawsze mawiał,
16:42
Fincher would always say, "It sandblasts the edges off of the performance."
383
984000
3000
że nadawał on ostateczny kształt wystąpieniu.
16:45
And thing our process and the technology couldn't do,
384
987000
3000
Ale nasza technologia nie potrafiła jednego:
16:48
is they couldn't understand intent,
385
990000
3000
zrozumieć intencji aktora.
16:51
the intent of the actor.
386
993000
2000
Uśmiech widziała jako uśmiech,
16:53
So it sees a smile as a smile.
387
995000
2000
nie rozpoznając,
16:55
It doesn't recognize an ironic smile, or a happy smile,
388
997000
3000
czy to uśmiech ironiczny,szczęśliwy .
16:58
or a frustrated smile.
389
1000000
1000
czy pełen ironii.
16:59
So it did take humans to kind of push it one way or another.
390
1001000
3000
Potrzeba było ludzi, żeby coś z tym zrobić.
17:02
But we ended up calling the entire process
391
1004000
3000
Proces ten nazwaliśmy
17:05
and all the technology "emotion capture,"
392
1007000
2000
"emotion capture",
17:07
as opposed to just motion capture.
393
1009000
1000
w odróżnieniu od motion capture.
17:08
Take another look.
394
1010000
2000
Proszę spojrzeć.
17:11
Brad Pitt: Well, I heard momma and Tizzy whisper,
395
1013000
2000
Brad Pitt: Usłyszałem szept mamy i Tizzy,
17:13
and they said I was gonna die soon,
396
1015000
2000
powiedziały, że wkrótce umrę.
17:15
but ... maybe not.
397
1017000
2000
Ale...może nie.
17:37
EU: That's how to create a digital human in 18 minutes.
398
1039000
3000
Ed Ulbrich: Oto jak stworzyć cyfrowego człowieka w 18 minut.
17:40
(Applause)
399
1042000
3000
(Oklaski)
17:48
A couple of quick factoids;
400
1050000
2000
Kilka szybkich faktów.
17:50
it really took 155 people over two years,
401
1052000
4000
155 ludzi pracowało nad tym projektem przez dwa lata
17:54
and we didn't even talk about 60 hairstyles and an all-digital haircut.
402
1056000
4000
a nie wspomniałem nawet o 60 cyfrowych uczesaniach włosów.
17:58
But, that is Benjamin. Thank you.
403
1060000
3000
Ale oto Benjamin. Dziękuję.
ABOUT THE SPEAKER
Ed Ulbrich - Visual storytellerEd Ulbrich works at the leading edge of computer-generated visuals. On a recent project, filmmakers, artists, and technologists have been working at a breakthrough point where reality and digitally created worlds collide.
Why you should listen
Ed Ulbrich spoke at TED2009 representing a team of filmmakers, artists and technologists who've been working on a significant breakthrough in visual storytelling -- a startling blurring of the line between digital creation and actor.
Ulbrich was the long time executive VP of production at Digital Domain, for whom he executive-produced Academy Award-winning visual effects for Titanic, What Dreams May Come, Fight Club, Zodiac, Adaptation and other features, as well as music videos and more than 500 commercials. He has recently exited this position but has entered into a creative consultant arrangement with the company. In 2007, he was named to the Creativity 50 -- top innovators in advertising and design.
Ed Ulbrich | Speaker | TED.com