TED2009
Ed Ulbrich: How Benjamin Button got his face
اد اولبریش چگونگی پدید آمدن صورت بنجامین باتن را به ما نشان می دهد.
Filmed:
Readability: 4.4
1,080,448 views
اد اولبریش، استاد خبره جلوه های بصری رایانه ای از شرکت دیجیتال دامین ( Digital Domain )، برنده فن آوری اسکار، ساخت نسخه جوان تر و پیر تر چهره براد پیت برای فیلم « ماجرای عجیب بنجامین باتن » را تشریح می کند.
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
من امروز به نمایندگی گروهی از هنرمندان، متخصصین فن آوری و فیلم سازان اینجا هستم
00:23
that worked together on a remarkable film project for the last four years.
1
5000
3000
همکارانی که طی چهار سال گذشته کنار اونها روی فیلم سینمایی ارزشمندی کار کرده ایم .
00:26
And along the way they created a breakthrough in computer visualization.
2
8000
4000
و طی این پروژه گروه نو آوری درخشانی در بصری سازی رایانه ای انجام داده.
00:30
So I want to show you a clip of the film now.
3
12000
3000
تکه ای از این فیلم رو با هم ببینیم.
00:33
Hopefully it won't stutter.
4
15000
3000
امیدوارم موقع پخش قطع و وصل نشه!
00:36
And if we did our jobs well, you won't know that we were even involved.
5
18000
3000
و اگر کارمون رو درست انجام داده باشیم شما متوجه نخواهید شد که دست ما در کار بوده .
00:39
Voice (Video): I don't know how it's possible ...
6
21000
3000
صدای فیلم : نمیدونم چطوری ممکنه ولی
00:42
but you seem to have more hair.
7
24000
3000
انگار موهات زیاد شدن
00:45
Brad Pitt: What if I told you that I wasn't getting older ...
8
27000
3000
براد پیت : چی میشه اگه بهت بگم که من پیر نمیشم
00:48
but I was getting younger than everybody else?
9
30000
2000
بلکه از همه دارم جوون تر میشم ؟
00:53
I was born with some form of disease.
10
35000
3000
من با یه جور بیماری به دنیا اومدم .
00:56
Voice: What kind of disease?
11
38000
2000
صدا : چه جور بیماری ای ؟
00:58
BP: I was born old.
12
40000
2000
ب.ب : من پیر به دنیا اومدم.
01:01
Man: I'm sorry.
13
43000
2000
مرد : متاسفم.
01:03
BP: No need to be. There's nothing wrong with old age.
14
45000
3000
ب.ب: لازم نیست باشی، پیر بودن که اشکالی نداره.
01:08
Girl: Are you sick?
15
50000
2000
دختر : تو مریضی ؟
01:10
BP: I heard momma and Tizzy whisper,
16
52000
3000
ب.پ: شنیدم که مامان و تیزی پچ پج میکردن
01:13
and they said I was gonna die soon.
17
55000
2000
و گفتن که من به زودی می میرم.
01:15
But ... maybe not.
18
57000
3000
اما خوب .... شایدم نمیرم.
01:18
Girl: You're different than anybody I've ever met.
19
60000
3000
دختر : تو با همه آدمایی که تا به حال دیدم فرق داری.
01:22
BB: There were many changes ...
20
64000
3000
ب.پ: تغییراتی زیادی اتفاق افتاده ...
01:25
some you could see, some you couldn't.
21
67000
3000
بعضی هاشو میشد دید، بعضیا هاشورا نمیشد.
01:28
Hair started growing in all sorts of places,
22
70000
3000
مو از همه جای بدنم در اومد
01:31
along with other things.
23
73000
3000
و یه چیزهای دیگه ایی .
01:34
I felt pretty good, considering.
24
76000
3000
و من حالم خوب خوب بود، با اینکه ...
01:38
Ed Ulbrich: That was a clip from "The Curious Case of Benjamin Button."
25
80000
4000
اد اولبریش: این تکه ای از فیلم « ماجرای عجیب بنجامین باتن » بود.
01:42
Many of you, maybe you've seen it or you've heard of the story,
26
84000
4000
احتمالا خیلی از شما فیلم رو دیدید و یا داستانشو شنیدید.
01:46
but what you might not know
27
88000
2000
ولی چیزی که احتمالا نمیدونید
01:48
is that for nearly the first hour of the film,
28
90000
2000
اینه که تقریبا در ساعت اول از فیلم،
01:50
the main character, Benjamin Button, who's played by Brad Pitt,
29
92000
3000
کاراکتر اصلی، بنجامین باتن، که براد پیت نقششو بازی کرده،
01:53
is completely computer-generated from the neck up.
30
95000
3000
از گردن به بالا کلا توسط کامپیوتر ساخته شده.
01:56
Now, there's no use of prosthetic makeup
31
98000
3000
ما از گریم های برجسته یا
01:59
or photography of Brad superimposed over another actor's body.
32
101000
3000
انداختن تصویر صورت براد روی بدن بازیگر دیگه استفاده نکردیم
02:02
We've created a completely digital human head.
33
104000
3000
بلکه یه کله تمام دیجیتال ساختیم .
02:05
So I'd like to start with a little bit of history on the project.
34
107000
3000
اول کمی در باره تاریخچه پروژه بگم.
02:08
This is based on an F. Scott Fitzgerald short story.
35
110000
2000
این فیلم بر اساس داستان کوتاهی از ف. اسکات فیتزجرالد ساخته شده.
02:10
It's about a man who's born old and lives his life in reverse.
36
112000
3000
داستان در باره مردیه که پیر به دنیا میاد و زندگیش رو معکوس طی میکنه .
02:13
Now, this movie has floated around Hollywood
37
115000
2000
ایده ساخت این فیلم نزدیک به نیم قرنه
02:15
for well over half a century,
38
117000
2000
که در هالیوود میچرخه
02:17
and we first got involved with the project in the early '90s,
39
119000
3000
و ما برای اولین بار در ابتدای دهه ۹۰ با این پروژه درگیر شدیم
02:20
with Ron Howard as the director.
40
122000
2000
و اون موقع کارگردان ران هوارد بود .
02:22
We took a lot of meetings and we seriously considered it.
41
124000
3000
نشستهای متعددی برگزار کردیم و به شکل جدی به اجرای پروژه فکر می کردیم
02:25
But at the time we had to throw in the towel.
42
127000
2000
ولی اون موقع مجبور بودیم پروژه رو متوقف کنیم .
02:27
It was deemed impossible.
43
129000
2000
تولید پروژه غیر ممکن تشخیص داده شد .
02:29
It was beyond the technology of the day to depict a man aging backwards.
44
131000
4000
نشون دادن روال معکوس پیر شدن از توان فن آوری اون موقع خارج بود.
02:33
The human form, in particular the human head,
45
135000
3000
فرم انسانی، به خصوص سر انسان،
02:36
has been considered the Holy Grail of our industry.
46
138000
3000
به عنوان یکی از اهداف غایی صنعت ما بوده و هست.
02:39
The project came back to us about a decade later,
47
141000
3000
این پروژه دوباره یک دهه بعد به سراغ ما اومد،
02:42
and this time with a director named David Fincher.
48
144000
3000
و اینبار با کارگردانی به نام دیوید فینچر.
02:45
Now, Fincher is an interesting guy.
49
147000
3000
فینچر آدم جالبیه.
02:48
David is fearless of technology,
50
150000
2000
از فن آوری هراسی نداره،
02:50
and he is absolutely tenacious.
51
152000
2000
و به شدت آدم پیگیریه .
02:52
And David won't take "no."
52
154000
2000
و به هیچ عنوان زیر بار «نه» نمیره .
02:54
And David believed, like we do in the visual effects industry,
53
156000
3000
دیوید مثل ماها در صنعت جلوه های بصری ، باور داره که
02:57
that anything is possible
54
159000
3000
همه چیز امکان پذیره
03:00
as long as you have enough time, resources and, of course, money.
55
162000
3000
به شرطی که زمان کافی، منابع کافی و البته پول فراهم باشه .
03:03
And so David had an interesting take on the film,
56
165000
4000
دیوید با دید جالبی که در باره فیلم داشت
03:07
and he threw a challenge at us.
57
169000
3000
مارو به چالش کشید.
03:10
He wanted the main character of the film to be played
58
172000
3000
او میخواست شخصیت اصلی فیلم
03:13
from the cradle to the grave by one actor.
59
175000
2000
از گهواره تا گور توسط یک بازیگر بازی بشه .
03:15
It happened to be this guy.
60
177000
2000
که اون بازیگر این آقاست.
03:17
We went through a process of elimination and a process of discovery
61
179000
3000
ما با دیوید وارد روال کشف و حذف شدیم
03:20
with David, and we ruled out, of course, swapping actors.
62
182000
3000
و ما طبعا ایده تعویض بازیگر ها رو کنار گذاشتیم.
03:23
That was one idea: that we would have different actors,
63
185000
3000
یه ایده این بود: که ما بازیگرهای متفاوت داشته باشیم،
03:26
and we would hand off from actor to actor.
64
188000
2000
و بازیگر ها جای خودشون رو به یکدیگر بدند.
03:28
We even ruled out the idea of using makeup.
65
190000
2000
ما حتی ایده استفاده از گریم رو هم کنار گذاشتیم.
03:30
We realized that prosthetic makeup just wouldn't hold up,
66
192000
3000
همچنین فهمیدیم که گریم های برجسته هم کیفیت لازم رو ندارند
03:33
particularly in close-up.
67
195000
2000
مخصوصا برای نما های نزدیک صورت نخواهد داشت.
03:35
And makeup is an additive process. You have to build the face up.
68
197000
3000
از سوی دیگه گریم روندی افزایشیه و به حجم صورت اضافه می کنه.
03:38
And David wanted to carve deeply into Brad's face
69
200000
3000
اما دیوید میخواست برای نشون دادن افزایش سن ،
03:41
to bring the aging to this character.
70
203000
2000
شیار های عمیق روی صورت براد داشته باشه.
03:43
He needed to be a very sympathetic character.
71
205000
2000
او باید شخصیت خوشایند و دلنشینی می بود،
03:45
So we decided to cast a series of little people
72
207000
3000
پس ما تصمیم گرفتیم تعدادی بازیگر کوچک انتخاب کنیم
03:48
that would play the different bodies of Benjamin
73
210000
3000
که نقش بدن های متفاوت بنجامین رو
03:51
at the different increments of his life
74
213000
2000
در مقاطع مختلف زندگی اون بازی کنند
03:53
and that we would in fact create a computer-generated version of Brad's head,
75
215000
3000
و ما در واقع یک نسخه کامپیوتری از سر براد خواهیم ساخت
03:56
aged to appear as Benjamin,
76
218000
2000
که سن و سالش متناسب با بنجامین تنظیم خواهد شد
03:58
and attach that to the body of the real actor.
77
220000
3000
و بعد تصویر این سر کامپیوتری رو به بدن بازیگر واقعی پیوند خواهیم زد.
04:01
Sounded great.
78
223000
2000
ایده خوبی به نظر میومد.
04:03
Of course, this was the Holy Grail of our industry,
79
225000
3000
طبعا این بزرگترین دستاورد ممکن در صنعت ما بود
04:06
and the fact that this guy is a global icon didn't help either,
80
228000
3000
و البته اینکه این بازیگر یه نماد جهانیه خیلی به نفع ما نبود
04:09
because I'm sure if any of you ever stand in line at the grocery store,
81
231000
3000
چون اگر تو صف فروشگاه سوپر مارکت وایساده باشید،
04:12
you know -- we see his face constantly.
82
234000
3000
حتما صورت این بابا رو بارها دیدید.
04:15
So there really was no tolerable margin of error.
83
237000
2000
پس عملا جایی برای خطا ی ما باقی نمیموند.
04:17
There were two studios involved: Warner Brothers and Paramount.
84
239000
3000
دو استودیو در این کار دخیل بودند «پارامونت » و « برادران وارنر».
04:20
And they both believed this would make an amazing film, of course,
85
242000
3000
والبته هردو بر این باور بودند که این فیلم جذاب خواهد شد،
04:23
but it was a very high-risk proposition.
86
245000
3000
ولی این فکر بسیار پر خطر بود و
04:26
There was lots of money and reputations at stake.
87
248000
3000
سابقه کاری و سرمایه زیادی در گرو موفقیت این فیلم بود.
04:29
But we believed that we had a very solid methodology
88
251000
3000
ما باور داشتیم که روش بسیار کارامدی داریم
04:32
that might work ...
89
254000
3000
که احتمالا کار خواهد کرد...
04:35
But despite our verbal assurances,
90
257000
3000
و علیرغم تصدیق کلامی ما،
04:38
they wanted some proof.
91
260000
2000
اونها برای توانایی ما مدرک مستند میخواستند.
04:40
And so, in 2004, they commissioned us to do a screen test of Benjamin.
92
262000
3000
پس در سال ۲۰۰۴ اونا ما رو استخدام کردند که یه نمونه سینمایی کوچیک از بنجامین را درست کنیم.
04:43
And we did it in about five weeks.
93
265000
3000
و این کار رو ظرف پنج هفته انجام دادیم.
04:46
But we used lots of cheats and shortcuts.
94
268000
3000
و البته از یه عالم تقلب و میونبر استفاده کردیم.
04:49
We basically put something together to get through the meeting.
95
271000
3000
عملا یه چیزی سر هم کردیم که بتونیم توی جلسه ارایه بدیم.
04:52
I'll roll that for you now. This was the first test for Benjamin Button.
96
274000
3000
الان فیلمشو براتون پخش می کنم. اینم اولین نمونه ما برای بنجامین باتن .
04:55
And in here, you can see, that's a computer-generated head --
97
277000
3000
و اینجا میتونید ببینید که این یه کله کامپیوتریه -- بدک نشده ها --
04:58
pretty good -- attached to the body of an actor.
98
280000
3000
که وصل شده به بدن بازیگر.
05:01
And it worked. And it gave the studio great relief.
99
283000
3000
این نمونه کار موفق بودو خیال استودیو رو راحت کرد.
05:04
After many years of starts and stops on this project,
100
286000
3000
بعد از سالها شروع و توقف این پروژه
05:07
and making that tough decision,
101
289000
3000
و گرفتن اون تصمیم سخت،
05:10
they finally decided to greenlight the movie.
102
292000
3000
بالاخره به پروژه چراغ سبز دادن .
05:13
And I can remember, actually, when I got the phone call to congratulate us,
103
295000
3000
یادم میاد اون موقه که به من زنگ زدن و تبریک گفتن
05:16
to say the movie was a go,
104
298000
2000
برای شروع پروژه
05:18
I actually threw up.
105
300000
2000
من واقعا بالا آوردم ( از ترس و نگرانی )
05:20
(Laughter)
106
302000
2000
(خنده )
05:22
You know, this is some tough stuff.
107
304000
2000
میدونین، این کار واقعا سخته.
05:24
So we started to have early team meetings,
108
306000
3000
ما جلسات اولیه را با تیم برگزار کردیم
05:27
and we got everybody together,
109
309000
2000
نیرو ها رو دور هم جمع کردیم.
05:29
and it was really more like therapy in the beginning,
110
311000
3000
اولش بیشتر شبیه گروه درمانی بود،
05:32
convincing each other and reassuring each other that we could actually undertake this.
111
314000
3000
سعی میکردیم به همدیگه اطمینان بدیم و همدیگه رو قانع کنیم که واقعا از پس این کار بر میایم.
05:35
We had to hold up an hour of a movie with a character.
112
317000
3000
ما باید یک ساعت از فیلم رو پیش می بردیم با این شخصیت
05:38
And it's not a special effects film; it has to be a man.
113
320000
3000
و این فیلم ، فیلم جلوه های ویژه نبود ، این شخصیت واقعا باید مثل یک انسان رفتار می کرد.
05:41
We really felt like we were in a -- kind of a 12-step program.
114
323000
3000
انگار توی یه برنامه -- ترک اعتیاد بودیم
05:44
And of course, the first step is: admit you've got a problem. (Laughter)
115
326000
3000
و طبعا اولین مرحله اینه که اقرار کنیم که مشکلی داریم. ( خنده )
05:48
So we had a big problem:
116
330000
2000
و مساله ای که داشتیم مساله بزرگی بود:
05:50
we didn't know how we were going to do this.
117
332000
3000
ما نمیدونستیم که چجوری باید این کار رو انجام بدیم.
05:53
But we did know one thing.
118
335000
2000
چون همهمون از اهالی صنعت
05:55
Being from the visual effects industry,
119
337000
3000
جلوه های بصری بودیم، ما به همراهی دیوید (فینچر)
05:58
we, with David, believed that we now had enough time,
120
340000
3000
خوب میدونستیم که زمان کافی و
06:01
enough resources, and, God, we hoped we had enough money.
121
343000
3000
منابع کافی داریم و امیدوار بودیم که پول کافی هم داشته باشیم.
06:04
And we had enough passion to will the processes and technology into existence.
122
346000
5000
و البته شور و اشتیاق کافی هم برای برای پدید آوردن روند ها و فن آوری های لازم داشتیم.
06:09
So, when you're faced with something like that,
123
351000
2000
وقتی که با چیزی این شکلی رو به رو میشید،
06:11
of course you've got to break it down.
124
353000
2000
طبیعیه که باید به قطعات ریز تر تقسیمش کنید.
06:13
You take the big problem and you break it down into smaller pieces
125
355000
2000
مساله های بزرگ رو به تکه های کوچکتر میشکنید
06:15
and you start to attack that.
126
357000
1000
و بهشون حمله می کنید.
06:16
So we had three main areas that we had to focus on.
127
358000
2000
ما سه ناحیه اصلی داشتیم که باید روشون تمرکز می کردیم.
06:18
We needed to make Brad look a lot older --
128
360000
2000
باید کاری می کردیم که براد کلی پیر تر به نظر برسه --
06:20
needed to age him 45 years or so.
129
362000
2000
باید کاری می کردیم که ۴۵ سال پیر تر به نظر بیاد.
06:22
And we also needed to make sure that we could take Brad's idiosyncrasies,
130
364000
6000
و باید کاری میکردیم که خصوصیت های خاص براد رو،
06:28
his little tics, the little subtleties that make him who he is
131
370000
2000
تیک های ریز و سایر جزییات ظریفی رو که هویت اون تشکیل میده،
06:30
and have that translate through our process
132
372000
2000
رو ثبت کنیم و از طریق روال کاریمون طوری بگذرونیمش
06:32
so that it appears in Benjamin on the screen.
133
374000
3000
که در شخصیت بنجامین روی پرده سینما دیده بشه.
06:35
And we also needed to create a character
134
377000
2000
و البته باید شخصیتی می ساختیم که
06:37
that could hold up under, really, all conditions.
135
379000
3000
در همه شرایط ، واقعا همه شرایط ، باور پذیر باشه .
06:40
He needed to be able to walk in broad daylight,
136
382000
2000
باید میتونست در نور شدید روز قدم بزنه
06:42
at nighttime, under candlelight,
137
384000
3000
در صحنه های شب، زیر نور شمع
06:45
he had to hold an extreme close-up,
138
387000
2000
و البته در نما های بسیار نزدیک باید درست به نظر می رسید
06:47
he had to deliver dialogue,
139
389000
1000
باید دیالوگ می گفت،
06:48
he had to be able to run, he had to be able to sweat,
140
390000
2000
باید میتونست بدوه ، عرق کنه،
06:50
he had to be able to take a bath, to cry,
141
392000
2000
به حمام بره، گریه کنه،
06:52
he even had to throw up.
142
394000
1000
و حتی باید میتوانست بالا بیاره.
06:53
Not all at the same time --
143
395000
1000
البته نه همزمان ولی خوب
06:54
but he had to, you know, do all of those things.
144
396000
2000
باید میتونست همه اینا رو انجام بده.
06:56
And the work had to hold up for almost the first hour of the movie.
145
398000
3000
واین شخصیت باید برای یک ساعت اول فیلم کاملا باور پذیر می بود.
06:59
We did about 325 shots.
146
401000
2000
ما باید ۳۲۵ شات انجام میدادیم
07:01
So we needed a system that would allow Benjamin
147
403000
3000
بنابر این به سیستمی نیاز داشتیم که اجازه بده بنجامین
07:04
to do everything a human being can do.
148
406000
3000
هر کاری که یه آدم انجام میده بتونه انجام بده.
07:07
And we realized that there was a giant chasm
149
409000
3000
و اون موقع بود فهمیدیم که چه شکاف عظیمی بین
07:10
between the state of the art of technology in 2004
150
412000
3000
پیشرفته ترین فن آوری موجود ۲۰۰۴ و
07:13
and where we needed it to be.
151
415000
2000
چیزی که ما می خواستیم وجود داره .
07:15
So we focused on motion capture.
152
417000
3000
پس روی « موشن کپچر» (فن آوری و ابزار ضبط حرکات) تمرکز کردیم .
07:18
I'm sure many of you have seen motion capture.
153
420000
2000
مطمئنم عده زیادی ازشما « موشن کپچر» رو میشناسید.
07:20
The state of the art at the time
154
422000
2000
بهترین « موشن کپچر» موجود در اون زمان
07:22
was something called marker-based motion capture.
155
424000
2000
چیزی بود به عنوان « ضبط حرکات بر اساس علامت گذاری سوژه ».
07:24
I'll give you an example here.
156
426000
1000
براتون مثالی میزنم.
07:25
It's basically the idea of, you wear a leotard,
157
427000
2000
قضیه اینشکلیه که شما لباس چسبون می پوشید،
07:27
and they put some reflective markers on your body,
158
429000
2000
و تعدادی علامت براق روی بدن شما میچسبونند
07:29
and instead of using cameras,
159
431000
2000
و به جای دوربین
07:31
there're infrared sensors around a volume,
160
433000
2000
تعدادی حسگر مادون قرمز در اطراف حجم صحنه قرار میدهند.
07:33
and those infrared sensors track the three-dimensional position
161
435000
2000
و اون حسگر های مادون قرمز موقعیت سه بعدی
07:35
of those markers in real time.
162
437000
2000
اون علایم رو مدام ثبت میکنند.
07:37
And then animators can take the data of the motion of those markers
163
439000
3000
و بعد انیماتور ها میتونند اطلاعات حرکت اون علامت ها رو
07:40
and apply them to a computer-generated character.
164
442000
2000
به یک شخصیت کامپیوتری اعمال کنند.
07:42
You can see the computer characters on the right
165
444000
3000
در سمت راست شخصیت کامپیوتری رو میبینید
07:45
are having the same complex motion as the dancers.
166
447000
3000
که حرکات پیچیده رقاص ها رو تکرار میکنه .
07:48
But we also looked at numbers of other films at the time
167
450000
2000
ما تعدادی از فیلم های اون موقع رو
07:50
that were using facial marker tracking,
168
452000
2000
که از ثبت حرکات علایم روی صورت استفاده می کردند مطالعه کردیم
07:52
and that's the idea of putting markers on the human face
169
454000
2000
که عملا مشابه «موشن کپچر» ه اما ایندفعه علامت ها روی صورت انسان قرار داده میشود
07:54
and doing the same process.
170
456000
1000
و بقیه روال مشابه قبل انجام میشود.
07:55
And as you can see, it gives you a pretty crappy performance.
171
457000
4000
همونطور که میبینید نتیجه واقعا به درد نخوره .
07:59
That's not terribly compelling.
172
461000
3000
خیلی خوشایند نیست .
08:02
And what we realized
173
464000
2000
و اون موقع فهمیدیم
08:04
was that what we needed
174
466000
1000
چیزی که ما میخوایم
08:05
was the information that was going on between the markers.
175
467000
2000
در واقع اطلاعات نقاط بین اون علامت ها هستند.
08:07
We needed the subtleties of the skin.
176
469000
3000
ما ظرافت های پوست رو لازم داشتیم.
08:10
We needed to see skin moving over muscle moving over bone.
177
472000
3000
باید لغزش پوست روی عضله روی استخون رو میدیدیم.
08:13
We needed creases and dimples and wrinkles and all of those things.
178
475000
2000
شیار ها و چروک ها و جوش ها و همه و همه رو لازم داشتیم.
08:15
Our first revelation was to completely abort and walk away from
179
477000
3000
اولین چیزی که فهمیدیم این بود که باید کاملا روال موجود رو کنار بگذاریم
08:18
the technology of the day, the status quo, the state of the art.
180
480000
3000
و از فن آوری روز، وضعیت موجود و اوج هنرو فن آوری اون روز فراتر بریم.
08:21
So we aborted using motion capture.
181
483000
3000
پس استفاده از « موشن کپچر» رو کاملا کنار گذاشتیم
08:24
And we were now well out of our comfort zone,
182
486000
3000
و بعد از اون دیگه کاملا از عرصه ابزار و روش های آشنا خارج شدیم
08:27
and in uncharted territory.
183
489000
2000
و وارد محدوده جدید و نا شناخته شدیم.
08:29
So we were left with this idea
184
491000
3000
ما مونده بودیم و این افکار که
08:32
that we ended up calling "technology stew."
185
494000
3000
آخرش اسمش رو « آش فن آوری» گذاشتیم.
08:35
We started to look out in other fields.
186
497000
2000
در عرصه های دیگه شروع به مطالعه کردیم
08:37
The idea was that we were going to find
187
499000
3000
و امیدمون این بود که بتونیم
08:40
nuggets or gems of technology
188
502000
2000
پاره های به درد بخور و کارآمد فناوری
08:42
that come from other industries like medical imaging,
189
504000
2000
از صنایع دیگه مثل تصویر برداری پزشکی و
08:44
the video game space,
190
506000
1000
بازی های رایانه ای رو پیدا کنیم و
08:45
and re-appropriate them.
191
507000
2000
اونها رو برای استفاده خودمون تغییر بدیم
08:47
And we had to create kind of a sauce.
192
509000
3000
و باید یه جورایی این آش رو درست می کردیم.
08:50
And the sauce was code in software
193
512000
3000
و البته این آش یک نرم افزار بود
08:53
that we'd written to allow these disparate pieces of technology
194
515000
3000
که نوشته بودیم که بتونیم باهاش پاره های جور واجور فن آوری رو
08:56
to come together and work as one.
195
518000
2000
کنار هم دیگه قرار بدیم طوری که به شکل یکپارچه کار کنند.
08:58
Initially, we came across some remarkable research
196
520000
2000
اولش یک سری تحقیق عالی پیدا کردیم
09:00
done by a gentleman named Dr. Paul Ekman in the early '70s.
197
522000
3000
که توسط آقایی به نام دکتر پاول اکمن در ابتدای دهه ۷۰ انجام شده بود.
09:03
He believed that he could, in fact,
198
525000
3000
او باور داشت که میتونه صورت انسان رو
09:06
catalog the human face.
199
528000
2000
کاملا دسته بندی کنه.
09:08
And he came up with this idea of Facial Action Coding System, or FACS.
200
530000
3000
و در آخر سیستم نامگذاری اعمال صورت (FACS) رو اختراع کرد.
09:11
He believed that there were 70 basic poses
201
533000
3000
او فکر میکرد که صورت انسان ۷۰ حالت پایه
09:14
or shapes of the human face,
202
536000
3000
یا شکل داره
09:17
and that those basic poses or shapes of the face
203
539000
3000
و از ترکیب این ۷۰ وضعیت اولیه صورت
09:20
can be combined to create infinite possibilities
204
542000
3000
میشه به ترکیب های نا محدودی که صورت
09:23
of everything the human face is capable of doing.
205
545000
2000
انسان قادر به انجامه رو به دست آورد.
09:25
And of course, these transcend age, race, culture, gender.
206
547000
3000
البته این شکل های پایه، ها فرای مرز های سن و سال، فرهنگ و جنسیت قرار دارند و برای همه انسان ها مشترکند.
09:28
So this became the foundation of our research as we went forward.
207
550000
4000
این مقاله پایه تحقیقاتمون ما شد و بر اساس اون پیش رفتیم.
09:32
And then we came across some remarkable technology
208
554000
3000
بعد به فن آوری بسیار جالبی به اسم
09:35
called Contour.
209
557000
1000
« کانتور» برخورد کردیم.
09:36
And here you can see a subject having phosphorus makeup
210
558000
3000
اینجا موضوع رو میبینید که روی صورتش
09:39
stippled on her face.
211
561000
2000
رو با مواد آرایشی فسفری دون دون پوشوندند.
09:41
And now what we're looking at is really creating a surface capture
212
563000
3000
و اینی که داریم میبینیم در واقع داره جزییات حرکت سطح صورت رو ضبط می کنه
09:44
as opposed to a marker capture.
213
566000
2000
بر عکس قبلی که فقط حرکات علامت ها رو ثبت میکنه .
09:46
The subject stands in front of a computer array of cameras,
214
568000
2000
سوژه در مقابل آرایه ای از دوربین های رایانه ای می ایسته.
09:48
and those cameras can, frame-by-frame,
215
570000
2000
و این دور بین ها میتونن در هر فریم
09:50
reconstruct the geometry of exactly what the subject's doing at the moment.
216
572000
3000
کل سطح هندسی هر آنچه که سوژه در حال انجامه ثبت کنند.
09:53
So, effectively, you get 3D data in real time of the subject.
217
575000
5000
پس عملا اطلاعات سه بعدی سوژه روبه در هر لحظه دلخواه خواهیم داشت.
09:58
And if you look in a comparison,
218
580000
3000
و اگر به مقایسه دقت کنید،
10:01
on the left, we see what volumetric data gives us
219
583000
3000
سمت چپ نتیجه اطلاعات سه بعدی ( کانتور) رو خواهیم دید
10:04
and on the right you see what markers give us.
220
586000
2000
و سمت راست محصول اطلاعاتی که از موشن کپچرو علامت ها به دست اومده.
10:07
So, clearly, we were in a substantially better place for this.
221
589000
2000
و واضحه که نتیجه به مراتب بهتری رو به دست آورده بودیم .
10:09
But these were the early days of this technology,
222
591000
2000
ولی این نتایج روز های ابتدایی پدید اومدن این فن آوری بود،
10:11
and it wasn't really proven yet.
223
593000
2000
و عملا کاراییش به اثبات نرسیده بود.
10:13
We measure complexity and fidelity of data
224
595000
2000
ما پیچیدگی و کیفیت اطلاعات رو
10:15
in terms of polygonal count.
225
597000
2000
در مقیاس تعداد چندگوشه ها می سنجیم .
10:17
And so, on the left, we were seeing 100,000 polygons.
226
599000
3000
در سمت چپی ما صد هزار چند گوشه میبینیم .
10:20
We could go up into the millions of polygons.
227
602000
2000
و این مقداررو میتونیم تا چندین میلیون چند گوشه بالا ببریم .
10:22
It seemed to be infinite.
228
604000
2000
که عملا دقت بی نهایت بالاییه .
10:24
This was when we had our "Aha!"
229
606000
2000
و این او لحظه ای بود که دستگیرمون شد که
10:26
This was the breakthrough.
230
608000
1000
این یک دستاورد تازه است .
10:27
This is when we're like, "OK, we're going to be OK,
231
609000
2000
و اون موقع به خودمون گفتیم « خوب دیگه فکر کنم مشکلمون حل شد،
10:29
This is actually going to work."
232
611000
1000
این واقعا کارمون رو راه میندازه. »
10:30
And the "Aha!" was, what if we could take Brad Pitt,
233
612000
4000
چیزی که فهمیدیم این بود که اگر براد پیت رو بگیریم،
10:34
and we could put Brad in this device,
234
616000
3000
بگذاریم توی این دستگاه،
10:37
and use this Contour process,
235
619000
2000
و از این فن آوری کانتور استفاده کنیم ،
10:39
and we could stipple on this phosphorescent makeup
236
621000
2000
و این مواد فسفری رو به صورتش بمالیم،
10:41
and put him under the black lights,
237
623000
1000
و بگذاریمش زیر نور ماورا بنفش،
10:42
and we could, in fact, scan him in real time
238
624000
3000
در واقع خواهیم تونست کل حرکاتش رو هنگام اجرای
10:45
performing Ekman's FACS poses.
239
627000
2000
پوز های صورت FACS ثبت کنیم .
10:47
Right? So, effectively,
240
629000
2000
خوب ! پس عملا
10:49
we ended up with a 3D database
241
631000
2000
و در آخر پایگاه داده ای سه بعدی
10:51
of everything Brad Pitt's face is capable of doing.
242
633000
3000
از همه اونچه صورت براد پیت قادر به انجام بود جمع آوری کردیم .
10:54
(Laughter)
243
636000
2000
( خنده )
10:56
From there, we actually carved up those faces
244
638000
3000
و از اونجا شروع کردیم به تقسیم صورت های موجود
10:59
into smaller pieces and components of his face.
245
641000
3000
به پاره های کوچک تر و عناصری که صورتش رو می ساخت
11:02
So we ended up with literally thousands and thousands and thousands of shapes,
246
644000
3000
و این کار منتهی به چندین هزار شکل متفاوت شد،
11:05
a complete database of all possibilities
247
647000
3000
یه پایگاه داده از همه حالت های ممکن که
11:08
that his face is capable of doing.
248
650000
3000
صورتش قادر به انجام بود .
11:11
Now, that's great, except we had him at age 44.
249
653000
3000
فقط مشکل این بود که این اطلاعات رو در باره براد ۴۴ ساله داشتیم.
11:14
We need to put another 40 years on him at this point.
250
656000
3000
و الان باید یه ۴۰ سال دیگه به سنش اضافه می کردیم .
11:17
We brought in Rick Baker,
251
659000
2000
پس ریک بیکر رو به پروژه دعوت کردیم ،
11:19
and Rick is one of the great makeup and special effects gurus
252
661000
2000
ریک یکی از اساتید بسیار ماهر جلوه های ویژه و گریم
11:21
of our industry.
253
663000
1000
در صنعت ماست .
11:22
And we also brought in a gentleman named Kazu Tsuji,
254
664000
3000
همچنین سراغ آقای « کازو سوجی » Kazu Tsuji ، رفتیم
11:25
and Kazu Tsuji is one of the great photorealist sculptors of our time.
255
667000
3000
و این آقا از بزرگترین مجسمه سازان واقع گرای زمان ماست.
11:28
And we commissioned them to make a maquette,
256
670000
3000
و از اونها خواستیم که یه ماکت بسازند،
11:31
or a bust, of Benjamin.
257
673000
2000
یا یه سردیس ، از بنجامین.
11:33
So, in the spirit of "The Great Unveiling" -- I had to do this --
258
675000
3000
و به رسم « پرده برداری بزرگ » -- باید این کارو می کردم --
11:36
I had to unveil something.
259
678000
2000
بالاخره باید از یه چیزی پرده برداری می کردم دیگه .
11:38
So this is Ben 80.
260
680000
2000
این بنجامین هشتاد ساله است.
11:40
We created three of these:
261
682000
2000
ما سه تا از اینها ساختیم:
11:42
there's Ben 80, there's Ben 70, there's Ben 60.
262
684000
2000
بن هشتاد ، بن هفتاد و بن شصت.
11:44
And this really became the template for moving forward.
263
686000
3000
و این عملا قالبی شد برای پیش رفتن.
11:47
Now, this was made from a life cast of Brad.
264
689000
2000
این از قالب صورت براد ساخته شده.
11:49
So, in fact, anatomically, it is correct.
265
691000
3000
و از نظر آناتومی دقیقه .
11:52
The eyes, the jaw, the teeth:
266
694000
3000
چشم ، آرواره، دندون ها :
11:55
everything is in perfect alignment with what the real guy has.
267
697000
3000
همه در انطباق دقیق با اعضای مشابه بازیگر واقعی قرار دارند.
11:58
We have these maquettes scanned into the computer
268
700000
2000
ما این ماکت ها روبا کیفیت بسیار بالا
12:00
at very high resolution --
269
702000
2000
اسکن کردیم و به داخل کامپیوتر بردیم --
12:02
enormous polygonal count.
270
704000
2000
با چند گوشه های بسیار زیاد.
12:04
And so now we had three age increments of Benjamin
271
706000
4000
و حالا ما ۳ مرحله سنی از بنجامین
12:08
in the computer.
272
710000
2000
در کامپیوتر داشتیم .
12:10
But we needed to get a database of him doing more than that.
273
712000
3000
ولی حالا یه پایگاه داده از بنجامین لازم داشته باشیم علاوه بر ۳ سن مختلف کارای دیگه ای هم بکنه .
12:13
We went through this process, then, called retargeting.
274
715000
3000
و ما وارد این روندی شدیم که بهش میگن تطبیق هدف
12:16
This is Brad doing one of the Ekman FACS poses.
275
718000
2000
اینجا برد رو در حال انجام یکی از شکل های FACS میبینید.
12:18
And here's the resulting data that comes from that,
276
720000
3000
و این اطلاعات حاصل از اونه ،
12:21
the model that comes from that.
277
723000
2000
مدل سه بعدی حاصل از اون .
12:23
Retargeting is the process of transposing that data
278
725000
3000
تطبیق هدف روندیه که در اون این اطلاعات حاصل شده
12:26
onto another model.
279
728000
2000
به مدل جدیدی منتقل میشه .
12:28
And because the life cast, or the bust -- the maquette -- of Benjamin
280
730000
3000
و چون اون مجسه قالب گیری شده یا سر دیس -- ماکت -- بنجامین
12:31
was made from Brad,
281
733000
2000
از براد پیت ساخته شده بود،
12:33
we could transpose the data of Brad at 44
282
735000
3000
ما میتونستیم اطلاعات رو از براد ۴۴ ساله
12:36
onto Brad at 87.
283
738000
2000
روی براد ۸۷ ساله منتقل کنیم.
12:38
So now, we had a 3D database of everything Brad Pitt's face can do
284
740000
3000
پس حالا یه پایگاه داده داشتیم از هر آنچه که از صورت براد بر میاد
12:41
at age 87, in his 70s and in his 60s.
285
743000
4000
در سنین ۸۷، ۷۰ و ۶۰ سالگی .
12:45
Next we had to go into the shooting process.
286
747000
3000
بعدش نوبت مرحله فیلمبرداری رسید.
12:48
So while all that's going on,
287
750000
1000
پس همزمان با پیشرفت اون جریانات
12:49
we're down in New Orleans and locations around the world.
288
751000
2000
ما به نیو-اورلئان رفتیم و سایر لوکیشن ها دور دنیا.
12:51
And we shot our body actors,
289
753000
2000
و از هنرپیشه هایی که نقش بدن بنجامین رو بازی می کردند در حالی که
12:53
and we shot them wearing blue hoods.
290
755000
2000
کلاه های آبی رنگ به سر داشتند فیلم گرفتیم .
12:55
So these are the gentleman who played Benjamin.
291
757000
2000
و این آقایونی که نقش بدن بنجامین رو بازی می کردند
12:57
And the blue hoods helped us with two things:
292
759000
2000
و کلاه آبی ای که به سر داشتند در ۲ چیز به ما کمک کردند.
12:59
one, we could easily erase their heads;
293
761000
2000
ما میتونستیم به راحتی سرشون رو از فیلم پاک کنیم.
13:01
and we also put tracking markers on their heads
294
763000
2000
و همچنین علامت هایی روی سرشون گذاشته بودیم
13:03
so we could recreate the camera motion
295
765000
2000
که بر اساس اون میتونستیم حرکت دوربین رو باز سازی کنیم
13:05
and the lens optics from the set.
296
767000
2000
و همچنین خواص اپتیکی لنز رو در صحنه .
13:07
But now we needed to get Brad's performance to drive our virtual Benjamin.
297
769000
3000
و حالا باید توان بازیگری براد رو برای جان بخشیدن به بنجامین مجازی خودمون به کار می گرفتیم.
13:10
And so we edited the footage that was shot on location
298
772000
2000
بنا بر این فیلم هایی که سر صحنه با حضور سایر بازیگرا
13:12
with the rest of the cast and the body actors
299
774000
3000
و همچنین بازیگر بدن بنجامین گرفته بودیم تدوین کردیم
13:15
and about six months later
300
777000
2000
و حدود شش ماه بعد
13:17
we brought Brad onto a sound stage in Los Angeles
301
779000
3000
دوباره براد رو به یه استودیو در لوس آنجلس بردیم
13:20
and he watched on the screen.
302
782000
3000
و او نتیجه رو روی پرده دید.
13:23
His job, then, was to become Benjamin.
303
785000
2000
کار اون این دفعه این بود که بنجامین باشه.
13:25
And so we looped the scenes.
304
787000
1000
پس ما صحنه ها رو تکرار می کردیم
13:26
He watched again and again.
305
788000
1000
و او بار ها صحنه ها رو میدید.
13:27
We encouraged him to improvise.
306
789000
2000
تشویقش میکردیم که بداهه، بازی کنه .
13:29
And he took Benjamin into interesting and unusual places
307
791000
3000
و اون بنجامین رو به موقعیت های عجیب و جذابی برد
13:32
that we didn't think he was going to go.
308
794000
2000
که فکرش هم نمیکردیم.
13:34
We shot him with four HD cameras
309
796000
2000
ما براد رو با ۴ دوربین HD فیلم برداری کردیم،
13:36
so we'd get multiple views of him
310
798000
1000
که بتونیم چندین نمای مختلف ازش داشته باشیم
13:37
and then David would choose the take of Brad being Benjamin
311
799000
3000
و بعد دیدوید ( فینچر) برداشتی از بازی براد در نقش بنجامین رو
13:40
that he thought best matched the footage
312
802000
3000
انتخاب می کرد که بهترین سازگاری رو با بازی بقیه بازیگر ها
13:43
with the rest of the cast.
313
805000
1000
در پلان فیلمبرداری شده داشت .
13:44
From there we went into a process called image analysis.
314
806000
3000
بعد از اون وارد روندی به نام « تحلیل تصویر» شدیم.
13:47
And so here, you can see again, the chosen take.
315
809000
3000
حالا در اینجا شما برداشت منتخب رو میبینید
13:50
And you are seeing, now, that data being transposed on to Ben 87.
316
812000
3000
و میبینید که اطلاعات حرکت اون روی بن هشتاد هفت ساله اعمال میشه.
13:53
And so, what's interesting about this is
317
815000
3000
چیزی در این روش جالبه اینه که
13:56
we used something called image analysis,
318
818000
2000
ما ابا استفاده از « تحلیل تصویر » زمانبندی حرکت
13:58
which is taking timings from different components of Benjamin's face.
319
820000
3000
عناصر مختلف صورت بنجامین رو استخراج کردیم.
14:01
And so we could choose, say, his left eyebrow.
320
823000
3000
مثلا ما میتونستیم ابروی چپ رو انتخاب کنیم
14:04
And the software would tell us that, well,
321
826000
2000
و نرم افزار به ما میگفت که مثلا
14:06
in frame 14 the left eyebrow begins to move from here to here,
322
828000
2000
در فریم شماره ۱۴ ابروی چپ حرکت رو از اینجا به سمت اونجا شروع میکنه
14:08
and it concludes moving in frame 32.
323
830000
2000
و حرکت در فریم ۳۲ به پایان میرسه.
14:10
And so we could choose numbers of positions on the face
324
832000
2000
و ما میتونستیم تعدادی نقاط روی صورت انتخاب کنیم
14:12
to pull that data from.
325
834000
2000
و اطلاعات اونها رو استخراج کنیم.
14:14
And then, the sauce I talked about with our technology stew --
326
836000
2000
و بعدش، اون آش فن آوری که بهتون گفتم --
14:16
that secret sauce was, effectively, software that allowed us to
327
838000
3000
راز کار کرد اون آش عملا نرم افزاری بود که به ما اجازه میداد
14:19
match the performance footage of Brad
328
841000
3000
که حرکت و بازی براد رو که فیلم برداری شده
14:22
in live action with our database of aged Benjamin,
329
844000
4000
بر اساس پایگاه های داده خودمون از اشکال صورت (FACS ) که داشتیم
14:26
the FACS shapes that we had.
330
848000
2000
عین به عین باز سازی کنیم.
14:28
On a frame-by-frame basis,
331
850000
3000
در واقع در هر فریم
14:31
we could actually reconstruct a 3D head
332
853000
3000
ما یک سر سه بعدی می ساختیم
14:34
that exactly matched the performance of Brad.
333
856000
3000
که دقیقا با اجرای براد مطابقت داشت.
14:37
So this was how the finished shot appeared in the film.
334
859000
3000
و این نتیجه شات نهایی در فیلمه .
14:40
And here you can see the body actor.
335
862000
2000
ابتدا بازیگر بدن بنجامین رو میبینید.
14:42
And then this is what we called the "dead head," no reference to Jerry Garcia.
336
864000
3000
ما به این میگفتیم « سر بی جان » ( ربطی به جری گارسیا نداره ) .
14:45
And then here's the reconstructed performance
337
867000
3000
این یکی بازیِ باز سازی شدهء براده
14:48
now with the timings of the performance.
338
870000
3000
و الان زمان بندی اش تصحیح شده
14:51
And then, again, the final shot.
339
873000
2000
و مجددا شات کامل و نهایی
14:54
It was a long process.
340
876000
2000
روند طولانی بود .
14:56
(Applause)
341
878000
3000
( تشویق )
15:07
The next section here, I'm going to just blast through this,
342
889000
2000
در این بخش دیگه به جزییات نمی پردازم،
15:09
because we could do a whole TEDTalk on the next several slides.
343
891000
4000
چون در باره هر کدوم از این اسلاید ها میشه یه سخنرانی TED دیگه برگزار کرد.
15:13
We had to create a lighting system.
344
895000
3000
ما باید یه سیستم نور پردازی درست می کردیم.
15:16
So really, a big part of our processes was creating a lighting environment
345
898000
3000
در واقع یه بخش بسیار بزرگ روند تولید ما باز سازی نور پردازیِ
15:19
for every single location that Benjamin had to appear
346
901000
2000
تک تک صحنه هایی بود که بنجامین باید توش حضور میداشت.
15:21
so that we could put Ben's head into any scene
347
903000
3000
که بتونیم کله بن رو توی هر صحنه بگذاریم
15:24
and it would exactly match the lighting that's on the other actors
348
906000
3000
و نور پردازی اون دقیقا با نور پردازی بقیه بازیگر در دنیای واقعی
15:27
in the real world.
349
909000
1000
سازگار باشه.
15:28
We also had to create an eye system.
350
910000
3000
ما باید یه سیستم هم برای چشم ها طراحی می کردیم.
15:31
We found the old adage, you know,
351
913000
2000
ما متوجه شدیم این پند قدیمی که میگه
15:33
"The eyes are the window to the soul,"
352
915000
2000
« چشم ها پنجره هایی به روه هستند »
15:35
absolutely true.
353
917000
1000
کاملا حقیقت داره.
15:36
So the key here was to keep everybody looking in Ben's eyes.
354
918000
2000
کلید موفقیت این بود که یه کاری کنیم که همه به چشم های بن نگاه کنن.
15:38
And if you could feel the warmth, and feel the humanity,
355
920000
2000
اگر بیننده ها میتونستند اون گرما ، انسانیت،
15:40
and feel his intent coming through the eyes,
356
922000
3000
و قصدی که در چشم ها وجود داره رو حس کنند.
15:43
then we would succeed.
357
925000
1000
ما موفق شده بودیم.
15:44
So we had one person focused on the eye system
358
926000
3000
ما یک نفر رو مامور کردیم که روی چشم ها متمرکز بشه
15:47
for almost two full years.
359
929000
2000
و حدود ۲ سال تمام روی این مساله کار کرد.
15:49
We also had to create a mouth system.
360
931000
2000
ما همچنین باید برای دهان هم یه سیستم طراحی می کردیم.
15:51
We worked from dental molds of Brad.
361
933000
2000
ما کار رو با قالب های دندون برد شروع کردیم.
15:53
We had to age the teeth over time.
362
935000
2000
و باید اثر پیر شدن رو روی دندون ها باز سازی می کردیم.
15:55
We also had to create an articulating tongue that allowed him to enunciate his words.
363
937000
3000
باید یه سیستم برای زبان درست میکردیم که بتونه کلمات رو ادا کنه .
15:58
There was a whole system written in software to articulate the tongue.
364
940000
2000
و یه سیستم مجزا و کامل فقط برای حرکت دادن زبان برنامه نویسی کردیم
16:00
We had one person devoted to the tongue for about nine months.
365
942000
2000
و یکی از نیروها رو نه ماه فقط به حرکت دادن زبان اختصاص دادیم.
16:02
He was very popular.
366
944000
2000
این آقا بین بچه های تیم محبوب بود.
16:04
Skin displacement: another big deal.
367
946000
3000
جابه جایی پوست، یه کار بسیار مهم دیگه.
16:07
The skin had to be absolutely accurate.
368
949000
2000
پوست باید به دقیق ترین شکل باز سازی میشد.
16:09
He's also in an old age home, he's in a nursing home
369
951000
3000
او توی خانه سالمندان هم بازی داشت، توی یه آسایشگاه سالمندان
16:12
around other old people,
370
954000
2000
کنار افراد سالمنده دیگه،
16:14
so he had to look exactly the same as the others.
371
956000
2000
در نتیجه باید دقیقا مثل اونها به نظر میومد.
16:16
So, lots of work on skin deformation,
372
958000
1000
پس ما کلی کار روی تغییر شکل پوست داشیتم،
16:17
you can see in some of these cases it works,
373
959000
1000
میبینید که تو بعضی از این نمونه ها خوب کار میکنه،
16:18
in some cases it looks bad.
374
960000
1000
تو بعضی ها کاملا بد به نظر می رسه .
16:19
This is a very, very, very early test in our process.
375
961000
2000
این یه نمونه خیلی خیلی خیلی اولیه است .
16:21
So, effectively we created a digital puppet
376
963000
3000
عملا ما یه عروسک خیمه شب بازی دیجیال ساختیم
16:24
that Brad Pitt could operate with his own face.
377
966000
3000
که برات پیت میتونست با چهره اش اون رو هدایت کنه.
16:27
There were no animators necessary to come in and interpret behavior
378
969000
4000
و دیگه نیازی به متحرک ساز ها نبود که دست به کار بشند و رفتار براد رو تفسیر کنند
16:31
or enhance his performance.
379
973000
2000
یا اینکه اجرای اون رو بهتر کنند.
16:33
There was something that we encountered, though,
380
975000
3000
ولی به یه چیزها برخورد کردیم که
16:36
that we ended up calling "the digital Botox effect."
381
978000
3000
اسمشون رو گذاشتیم «مشکل بوتاکس دیجیتال» .
16:39
So, as things went through this process,
382
981000
3000
همینطور که کار ها در روال پیش میرفت،
16:42
Fincher would always say, "It sandblasts the edges off of the performance."
383
984000
3000
فینچر هی ایراد میگرفت که این روال «تیزی های اجرا رو نرم میکنه».
16:45
And thing our process and the technology couldn't do,
384
987000
3000
چیزی که روند کاری و فن آوری ما از پسش بر نمی اومد
16:48
is they couldn't understand intent,
385
990000
3000
درک «قصد» بود.
16:51
the intent of the actor.
386
993000
2000
درک قصد بازیگر.
16:53
So it sees a smile as a smile.
387
995000
2000
در واقع سیستم ما خنده رو به عنوان خنده میدید.
16:55
It doesn't recognize an ironic smile, or a happy smile,
388
997000
3000
و درک نمیکرد که این خنده کنایی ه یا خندهء شاد،
16:58
or a frustrated smile.
389
1000000
1000
یا خنده ای از روی نا امیدی.
16:59
So it did take humans to kind of push it one way or another.
390
1001000
3000
و از اینجا به بعد حضور انسان لازم بود که اون خنده رو به سمت یکی از این سمت ها متمایل کنه.
17:02
But we ended up calling the entire process
391
1004000
3000
ولی در آخر ما اسم کل این روال
17:05
and all the technology "emotion capture,"
392
1007000
2000
و همه فن آوری های مربوط رو « ایموشن کپچر» ( ثبت عاطفه ) گذاشتیم
17:07
as opposed to just motion capture.
393
1009000
1000
در قیاس با « موشن کپچر » که فقط حرکات رو ثبت می کنه.
17:08
Take another look.
394
1010000
2000
یه دور دیگه ببینیم.
17:11
Brad Pitt: Well, I heard momma and Tizzy whisper,
395
1013000
2000
براد پیت : خوب، من شنیدکه که مامان و تیزی پچ پچ میکنند،
17:13
and they said I was gonna die soon,
396
1015000
2000
و گفتند که من به زودی میمیرم،
17:15
but ... maybe not.
397
1017000
2000
ولی خوب شایدم نه.
17:37
EU: That's how to create a digital human in 18 minutes.
398
1039000
3000
اریک اولبرش: و این بود روش ساخت یه انسان دیجیتال در ۱۸ دقیقه.
17:40
(Applause)
399
1042000
3000
( تشویق )
17:48
A couple of quick factoids;
400
1050000
2000
و یه سری حقایق کوتاه و جالب؛
17:50
it really took 155 people over two years,
401
1052000
4000
پروژه با تلاش ۱۵۵ نفر ظرف بیش از ۲ سال انجام شد.
17:54
and we didn't even talk about 60 hairstyles and an all-digital haircut.
402
1056000
4000
و ما در باره ۶۰ آرایش موی مختلف و همه اون سلمونی های دیجیتالی که انجام شد صحبتی نکردیم
17:58
But, that is Benjamin. Thank you.
403
1060000
3000
ولی خوب این بنجامینه دیگه . ممنون .
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