TED2009
Ed Ulbrich: How Benjamin Button got his face
Ed Ulbrich mostra como surgiu a face de Benjamin Button
Filmed:
Readability: 4.4
1,080,448 views
Ed Ulbrich, o guru de efeitos digitais da Digital Domain, explica a tecnologia ganhadora do Oscar, que permitiu à sua equipe criar digitalmente as versões jovem e velha da face de Brad Pitt, para o filme "O Curioso Caso de Benjamin Button. "
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
Estou aqui hoje, representando a equipe de artistas e técnicos e cineastas
00:23
that worked together on a remarkable film project for the last four years.
1
5000
3000
que trabalharam juntos, no projeto de um filme notável, pelos últimos quatro anos.
00:26
And along the way they created a breakthrough in computer visualization.
2
8000
4000
E nessa caminhada eles criaram um avanço na computação gráfica.
00:30
So I want to show you a clip of the film now.
3
12000
3000
Assim, gostaria de mostrar a vocês um clipe do filme agora.
00:33
Hopefully it won't stutter.
4
15000
3000
Espero que ele não trave.
00:36
And if we did our jobs well, you won't know that we were even involved.
5
18000
3000
E se nós fizemos bem nosso trabalho, vocês nem saberão que estivemos envolvidos.
00:39
Voice (Video): I don't know how it's possible ...
6
21000
3000
Filme: Eu não sei como é possível...
00:42
but you seem to have more hair.
7
24000
3000
mas parece que você tem mais cabelos.
00:45
Brad Pitt: What if I told you that I wasn't getting older ...
8
27000
3000
Benjamin Button: E se eu disser a vocês que eu não estava envelhecendo...
00:48
but I was getting younger than everybody else?
9
30000
2000
mas eu estava ficando mais jovem que todo mundo?
00:53
I was born with some form of disease.
10
35000
3000
Eu nasci com alguma doença.
00:56
Voice: What kind of disease?
11
38000
2000
Voz: Que tipo de doença?
00:58
BP: I was born old.
12
40000
2000
BB: Eu nasci velho.
01:01
Man: I'm sorry.
13
43000
2000
Homem: Eu sinto muito.
01:03
BP: No need to be. There's nothing wrong with old age.
14
45000
3000
BB: Não precisa. não há nada errado com a velhice.
01:08
Girl: Are you sick?
15
50000
2000
Menina: Você está doente?
01:10
BP: I heard momma and Tizzy whisper,
16
52000
3000
BB: Eu ouvi a mamãe e Tizzy cochichando,
01:13
and they said I was gonna die soon.
17
55000
2000
e disseram que eu morreria em breve
01:15
But ... maybe not.
18
57000
3000
Mas...talvez não.
01:18
Girl: You're different than anybody I've ever met.
19
60000
3000
Menina: Você é diferente de qualquer um que eu conheci.
01:22
BB: There were many changes ...
20
64000
3000
BB: Houve muitas mudanças...
01:25
some you could see, some you couldn't.
21
67000
3000
algumas você pode ver, outras não.
01:28
Hair started growing in all sorts of places,
22
70000
3000
Cabelo começou a crescer em todos os lugares,
01:31
along with other things.
23
73000
3000
junto com outras coisas.
01:34
I felt pretty good, considering.
24
76000
3000
Eu me sinto muito bem, considerando.
01:38
Ed Ulbrich: That was a clip from "The Curious Case of Benjamin Button."
25
80000
4000
Ed Ulbrich: Esse foi um clipe de "O Curioso Caso de Benjamin Button."
01:42
Many of you, maybe you've seen it or you've heard of the story,
26
84000
4000
Muitos de vocês, talvez o tenham visto ou ouviram sobre a estória,
01:46
but what you might not know
27
88000
2000
mas o que talvez não saibam
01:48
is that for nearly the first hour of the film,
28
90000
2000
É que por quase toda a primeira hora do filme,
01:50
the main character, Benjamin Button, who's played by Brad Pitt,
29
92000
3000
o personagem principal, Benjamin Button, interpretado por Brad Pitt,
01:53
is completely computer-generated from the neck up.
30
95000
3000
é completamente gerado por computador, do pescoço para cima.
01:56
Now, there's no use of prosthetic makeup
31
98000
3000
Ou seja, não foi utilizada maquiagem prostética
01:59
or photography of Brad superimposed over another actor's body.
32
101000
3000
ou fotografia de Brad superposta ao corpo de outro ator.
02:02
We've created a completely digital human head.
33
104000
3000
Nós criamos uma cabeça humana completamente digital.
02:05
So I'd like to start with a little bit of history on the project.
34
107000
3000
Assim, gostaria de começar com um pequeno histórico do projeto.
02:08
This is based on an F. Scott Fitzgerald short story.
35
110000
2000
Ele é baseado em um conto de F. Scott Fitzgerald.
02:10
It's about a man who's born old and lives his life in reverse.
36
112000
3000
É sobre um homem que nasce velho e vive sua vida ao reverso.
02:13
Now, this movie has floated around Hollywood
37
115000
2000
Esse filme perambulou por Hollywood
02:15
for well over half a century,
38
117000
2000
por mais de meio século
02:17
and we first got involved with the project in the early '90s,
39
119000
3000
e nos envolvemos inicialmente com o projeto no início dos ano 90
02:20
with Ron Howard as the director.
40
122000
2000
com Ron Howard como diretor.
02:22
We took a lot of meetings and we seriously considered it.
41
124000
3000
Tivemos muitas reuniões e nós o consideramos seriamente.
02:25
But at the time we had to throw in the towel.
42
127000
2000
Mas naquela época tivemos que jogar a toalha.
02:27
It was deemed impossible.
43
129000
2000
Foi considerado impossível.
02:29
It was beyond the technology of the day to depict a man aging backwards.
44
131000
4000
Estava além da tecnologia da época personificar um homem envelhecendo ao contrário.
02:33
The human form, in particular the human head,
45
135000
3000
A forma humana, e em particular a cabeça humana,
02:36
has been considered the Holy Grail of our industry.
46
138000
3000
tem sido considerada o Santo Graal de nosso ramo de negócios.
02:39
The project came back to us about a decade later,
47
141000
3000
O projeto voltou a nós quase uma década depois,
02:42
and this time with a director named David Fincher.
48
144000
3000
e nessa ocasião com um diretor chamado David Fincher
02:45
Now, Fincher is an interesting guy.
49
147000
3000
Fincher é um cara interessante.
02:48
David is fearless of technology,
50
150000
2000
David não tem medo da tecnologia
02:50
and he is absolutely tenacious.
51
152000
2000
e ele é absolutamente persistente.
02:52
And David won't take "no."
52
154000
2000
E David não aceita um "não" como resposta.
02:54
And David believed, like we do in the visual effects industry,
53
156000
3000
E David acreditou, como nós acreditamos na área de efeitos visuais,
02:57
that anything is possible
54
159000
3000
que tudo é possível
03:00
as long as you have enough time, resources and, of course, money.
55
162000
3000
desde que você tenha tempo, recursos, e é claro, dinheiro suficiente..
03:03
And so David had an interesting take on the film,
56
165000
4000
Assim, David se interessou pelo filme,
03:07
and he threw a challenge at us.
57
169000
3000
e nos colocou esse desafio.
03:10
He wanted the main character of the film to be played
58
172000
3000
Ele queria que o protagonista do filme fosse estrelado
03:13
from the cradle to the grave by one actor.
59
175000
2000
do berço à tumba, por um só ator.
03:15
It happened to be this guy.
60
177000
2000
E calhou ser esse cara.
03:17
We went through a process of elimination and a process of discovery
61
179000
3000
Nós passamos por um processo de eliminação e um de descoberta
03:20
with David, and we ruled out, of course, swapping actors.
62
182000
3000
com David, e nós excluímos, claro, diversos atores.
03:23
That was one idea: that we would have different actors,
63
185000
3000
Essa foi uma idéia: que tivéssemos diferentes atores,
03:26
and we would hand off from actor to actor.
64
188000
2000
e iríamos passando de ator para ator.
03:28
We even ruled out the idea of using makeup.
65
190000
2000
Nós até mesmo eliminamos a idéia de utilizar maquiagem.
03:30
We realized that prosthetic makeup just wouldn't hold up,
66
192000
3000
Nó percebemos que a maquiagem prostética não convenceria
03:33
particularly in close-up.
67
195000
2000
particulmente no close-up.
03:35
And makeup is an additive process. You have to build the face up.
68
197000
3000
E a maquiagem é um processo aditvo. Você tem construir da face para cima.
03:38
And David wanted to carve deeply into Brad's face
69
200000
3000
E David queria esculpir profundamente na face de Brad
03:41
to bring the aging to this character.
70
203000
2000
para trazer o envelhecimento ao seu personagem.
03:43
He needed to be a very sympathetic character.
71
205000
2000
Ele precisava ser um personagem muito simpático.
03:45
So we decided to cast a series of little people
72
207000
3000
De modo que colocamos no elenco uma série de pessoas pequenas
03:48
that would play the different bodies of Benjamin
73
210000
3000
que interpretariam os diferentes corpos de Benjamin
03:51
at the different increments of his life
74
213000
2000
a diferentes incrementos de sua vida
03:53
and that we would in fact create a computer-generated version of Brad's head,
75
215000
3000
e nós de fato criaríamos uma imagem gerada por computador da cabeça de Brad,
03:56
aged to appear as Benjamin,
76
218000
2000
envelhecida para parecer-se com Benjamin,
03:58
and attach that to the body of the real actor.
77
220000
3000
e a colocaríamos no corpo de ator real.
04:01
Sounded great.
78
223000
2000
Parecia maravilhoso.
04:03
Of course, this was the Holy Grail of our industry,
79
225000
3000
É claro, esse era o Santo Graal de nosso negócio,
04:06
and the fact that this guy is a global icon didn't help either,
80
228000
3000
e o fato desse cara ser um ícone global também não ajudava,
04:09
because I'm sure if any of you ever stand in line at the grocery store,
81
231000
3000
pois estou certo que se algum de vocês já ficou na fila do supermercado,
04:12
you know -- we see his face constantly.
82
234000
3000
sabe que vemos sua face constantemente.
04:15
So there really was no tolerable margin of error.
83
237000
2000
Assim, realmente não havia margem tolerável para erro.
04:17
There were two studios involved: Warner Brothers and Paramount.
84
239000
3000
Havia dois estúdios envolvidos: Warner Brothers e Paramount.
04:20
And they both believed this would make an amazing film, of course,
85
242000
3000
E ambos acreditavam que isso daria um filme incrível, é claro,
04:23
but it was a very high-risk proposition.
86
245000
3000
mas era uma proposta de alto risco.
04:26
There was lots of money and reputations at stake.
87
248000
3000
Havia muito dinheiro e reputações em risco.
04:29
But we believed that we had a very solid methodology
88
251000
3000
E acreditamos ter uma metodologia muito sólida
04:32
that might work ...
89
254000
3000
que podia funcionar...
04:35
But despite our verbal assurances,
90
257000
3000
Mas apesar de nossas garantias verbais,
04:38
they wanted some proof.
91
260000
2000
eles queriam alguma prova.
04:40
And so, in 2004, they commissioned us to do a screen test of Benjamin.
92
262000
3000
Assim, em 2004, nos autorizaram a fazer um filme de teste de Benjamin.
04:43
And we did it in about five weeks.
93
265000
3000
E o fizemos em cerca de cinco semanas.
04:46
But we used lots of cheats and shortcuts.
94
268000
3000
Mas utilizamos muitas trapaças e atalhos.
04:49
We basically put something together to get through the meeting.
95
271000
3000
Nós basicamente colocamos alguma coisa para mostrar na reunião.
04:52
I'll roll that for you now. This was the first test for Benjamin Button.
96
274000
3000
Eu vou mostrar a vocês agora. Esse foi o primeiro teste para Benjamin Button.
04:55
And in here, you can see, that's a computer-generated head --
97
277000
3000
E aqui, vocês podem ver, isso é uma cabeça gerada por computador.
04:58
pretty good -- attached to the body of an actor.
98
280000
3000
É consideravelmente boa. Ligada ao corpo de um ator.
05:01
And it worked. And it gave the studio great relief.
99
283000
3000
E funcionou. Deu um grande alívio ao estúdio.
05:04
After many years of starts and stops on this project,
100
286000
3000
Após muitos anos de inícios e paradas nesse projeto,
05:07
and making that tough decision,
101
289000
3000
e a tomada dessa difícil decisão,
05:10
they finally decided to greenlight the movie.
102
292000
3000
eles finalmene decidiram dar luz verde ao filme.
05:13
And I can remember, actually, when I got the phone call to congratulate us,
103
295000
3000
E posso me lembrar, na verdade, quando recebi a ligação para nos dar parabéns,
05:16
to say the movie was a go,
104
298000
2000
para dizer que o filme fora aprovado,
05:18
I actually threw up.
105
300000
2000
Eu na verdade acabei vomitando.
05:20
(Laughter)
106
302000
2000
(Risos)
05:22
You know, this is some tough stuff.
107
304000
2000
Sabe, isso é uma coisa difícil.
05:24
So we started to have early team meetings,
108
306000
3000
Então, iniciamos nossas reuniões de equipe,
05:27
and we got everybody together,
109
309000
2000
e juntamos todo mundo,
05:29
and it was really more like therapy in the beginning,
110
311000
3000
e era realmente mais como uma terapia no início,
05:32
convincing each other and reassuring each other that we could actually undertake this.
111
314000
3000
convencer cada um e assegurar a cada um que nós poderíamos realmente fazer isso.
05:35
We had to hold up an hour of a movie with a character.
112
317000
3000
Tínhamos que aguentar uma hora do filme com o personagem.
05:38
And it's not a special effects film; it has to be a man.
113
320000
3000
E não eram efeitos especiais cinematográficos; tinha que ser um homem.
05:41
We really felt like we were in a -- kind of a 12-step program.
114
323000
3000
Nós sentíamos como se estivesse -- num tipo de programa de 12 passos.
05:44
And of course, the first step is: admit you've got a problem. (Laughter)
115
326000
3000
E é claro, o primeiro passo é admitir que tem um problema.
05:48
So we had a big problem:
116
330000
2000
Então tínhamos um grande problema.
05:50
we didn't know how we were going to do this.
117
332000
3000
Nós não sabíamos como iríamos fazer isso.
05:53
But we did know one thing.
118
335000
2000
Mas sabíamos de uma coisa.
05:55
Being from the visual effects industry,
119
337000
3000
Sendo do ramo de efeitos visuais,
05:58
we, with David, believed that we now had enough time,
120
340000
3000
nós, com David, acreditamos que agora teríamos tempo suficiente,
06:01
enough resources, and, God, we hoped we had enough money.
121
343000
3000
recursos suficientes, e, Deus do céu, nós esperávamos ter dinheiro suficiente.
06:04
And we had enough passion to will the processes and technology into existence.
122
346000
5000
E tínhamos paixão suficiente para trazer os processos e a tecnologia à existência.
06:09
So, when you're faced with something like that,
123
351000
2000
Então, quando você enfrenta algo assim,
06:11
of course you've got to break it down.
124
353000
2000
é claro que você tem que quebrá-lo em partes.
06:13
You take the big problem and you break it down into smaller pieces
125
355000
2000
Você pega o problema grande e o quebra em partes menores.
06:15
and you start to attack that.
126
357000
1000
e começa a atacá-las.
06:16
So we had three main areas that we had to focus on.
127
358000
2000
Assim tínhamos três áreas principais que teríamos de focar.
06:18
We needed to make Brad look a lot older --
128
360000
2000
Precisávamos fazer Brad parecer mais velho.
06:20
needed to age him 45 years or so.
129
362000
2000
Precisávamos envelhecê-lo em aproximadamente 45 anos.
06:22
And we also needed to make sure that we could take Brad's idiosyncrasies,
130
364000
6000
E precisávamos nos assegurar que poderíamos manter as idiossincrasias de Brad,
06:28
his little tics, the little subtleties that make him who he is
131
370000
2000
seus pequenos tiques, as pequena sutilezas que o fazem quem ele é
06:30
and have that translate through our process
132
372000
2000
e tínhamos que traduzí-las através do processo
06:32
so that it appears in Benjamin on the screen.
133
374000
3000
de modo que aparentasse no Benjamin na tela.
06:35
And we also needed to create a character
134
377000
2000
E também precisávamos criar um personagem
06:37
that could hold up under, really, all conditions.
135
379000
3000
que se mantivesse em, realmente, todas as condições.
06:40
He needed to be able to walk in broad daylight,
136
382000
2000
Ele precisaria ser capaz de andar à luz o dia,
06:42
at nighttime, under candlelight,
137
384000
3000
à noite, a luz de velas,
06:45
he had to hold an extreme close-up,
138
387000
2000
ele teria que suportar close-up's extremos,
06:47
he had to deliver dialogue,
139
389000
1000
ele teria que dialogar,
06:48
he had to be able to run, he had to be able to sweat,
140
390000
2000
ele deveria ser capaz de correr, ele deveria ser capaz de suar,
06:50
he had to be able to take a bath, to cry,
141
392000
2000
ele deveria ser capaz de tomar banho, de chorar,
06:52
he even had to throw up.
142
394000
1000
ele teria até de vomitar.
06:53
Not all at the same time --
143
395000
1000
Não tudo ao mesmo tempo.
06:54
but he had to, you know, do all of those things.
144
396000
2000
Mas ele tinha que fazer todas essas coisas.
06:56
And the work had to hold up for almost the first hour of the movie.
145
398000
3000
E o trabalho tinha que manter-se por quase toda a primeira hora do filme.
06:59
We did about 325 shots.
146
401000
2000
Fizemos quase 325 filmagens.
07:01
So we needed a system that would allow Benjamin
147
403000
3000
Assim precisávamos de um sistema que permitisse a Benjamin
07:04
to do everything a human being can do.
148
406000
3000
fazer tudo que um ser humano pode fazer.
07:07
And we realized that there was a giant chasm
149
409000
3000
E percebemos que havia um abismo gigante
07:10
between the state of the art of technology in 2004
150
412000
3000
entre a mais moderna tecnologia em 2004
07:13
and where we needed it to be.
151
415000
2000
e onde nós necessitávamos que ela estivesse.
07:15
So we focused on motion capture.
152
417000
3000
Então nos focamos na captura de movimentos.
07:18
I'm sure many of you have seen motion capture.
153
420000
2000
Tenho certeza que muitos de vocês já viram a captura de movimentos.
07:20
The state of the art at the time
154
422000
2000
O mais moderno àquela época
07:22
was something called marker-based motion capture.
155
424000
2000
era algo chamado captura de movimento baseada em marcadores
07:24
I'll give you an example here.
156
426000
1000
Vou dar um exemplo aqui.
07:25
It's basically the idea of, you wear a leotard,
157
427000
2000
É basicamente a idéia de, você vestir um collant
07:27
and they put some reflective markers on your body,
158
429000
2000
e eles colocam alguns marcadores reflexivos no seu corpo.
07:29
and instead of using cameras,
159
431000
2000
e ao invés de utilizar câmeras,
07:31
there're infrared sensors around a volume,
160
433000
2000
existem sensores infra-vermelhos ao redor do volume,
07:33
and those infrared sensors track the three-dimensional position
161
435000
2000
e esse sensores infra-vermelhos rastreiam a posição tridimensional
07:35
of those markers in real time.
162
437000
2000
desses marcadores em tempo real.
07:37
And then animators can take the data of the motion of those markers
163
439000
3000
A seguir, animadores podem utilizar os dados do movimento desses marcadores
07:40
and apply them to a computer-generated character.
164
442000
2000
e aplicá-los a um personagem gerado por computador.
07:42
You can see the computer characters on the right
165
444000
3000
Vocês podem ver que os personagens computadorizados à direita
07:45
are having the same complex motion as the dancers.
166
447000
3000
têm o mesmo movimento complexo dos dançarinos.
07:48
But we also looked at numbers of other films at the time
167
450000
2000
Mas nós também olhamos numerosos outros filmes na época
07:50
that were using facial marker tracking,
168
452000
2000
que estavam utilizando rastreamento de marcadores faciais.
07:52
and that's the idea of putting markers on the human face
169
454000
2000
e essa é a idéia de colocar marcadores sobre a face humana
07:54
and doing the same process.
170
456000
1000
e fazer os mesmos processos.
07:55
And as you can see, it gives you a pretty crappy performance.
171
457000
4000
E como vocês podem ver, nos dá uma performance horrível.
07:59
That's not terribly compelling.
172
461000
3000
Isso não é muito encorajador.
08:02
And what we realized
173
464000
2000
E o que nós percebemos
08:04
was that what we needed
174
466000
1000
era que o que precisávamos
08:05
was the information that was going on between the markers.
175
467000
2000
era da informação que estava entre os marcadores.
08:07
We needed the subtleties of the skin.
176
469000
3000
Precisávamos das sutilezas da pele
08:10
We needed to see skin moving over muscle moving over bone.
177
472000
3000
Precisávamos ver a pele movendo-se sobre o músculo, movendo-se sobre o osso.
08:13
We needed creases and dimples and wrinkles and all of those things.
178
475000
2000
Precisávamos dos vincos e covinhas e rugas e todas essas coisas.
08:15
Our first revelation was to completely abort and walk away from
179
477000
3000
Nossa primeira revelação foi abortar completamente e sair fora da
08:18
the technology of the day, the status quo, the state of the art.
180
480000
3000
tecnologia da época, o status quo, o mais moderno.
08:21
So we aborted using motion capture.
181
483000
3000
Assim, abortamos a utilização da captura de movimentos.
08:24
And we were now well out of our comfort zone,
182
486000
3000
E agora estávamos bem fora de nossa zona de conforto,
08:27
and in uncharted territory.
183
489000
2000
e em um território não mapeado.
08:29
So we were left with this idea
184
491000
3000
Assim, ficamos com essa idéia
08:32
that we ended up calling "technology stew."
185
494000
3000
que ao final chamamos de "ensopado tecnológico".
08:35
We started to look out in other fields.
186
497000
2000
Começamos a procurar em outros campos
08:37
The idea was that we were going to find
187
499000
3000
e a idéia era que descobríssemos
08:40
nuggets or gems of technology
188
502000
2000
pepitas ou pedras preciosas de tecnologia
08:42
that come from other industries like medical imaging,
189
504000
2000
que vinham de outros ramos como imagens médicas.
08:44
the video game space,
190
506000
1000
o espaço dos jogos eletrônicos,
08:45
and re-appropriate them.
191
507000
2000
e reapropriá-los.
08:47
And we had to create kind of a sauce.
192
509000
3000
E teríamos que criar uma espécie de molho.
08:50
And the sauce was code in software
193
512000
3000
E o molho era codificação de programas de computador
08:53
that we'd written to allow these disparate pieces of technology
194
515000
3000
que nós escreveríamos para permitir que essas peças tecnológicas díspares
08:56
to come together and work as one.
195
518000
2000
se juntassem para trabalhar como uma só.
08:58
Initially, we came across some remarkable research
196
520000
2000
De início, encontramos algumas pesquisas notáveis
09:00
done by a gentleman named Dr. Paul Ekman in the early '70s.
197
522000
3000
feitas por um senhor chamado Dr. Paul Ekman no início dos anos 70.
09:03
He believed that he could, in fact,
198
525000
3000
Ele acreditava poder, de fato,
09:06
catalog the human face.
199
528000
2000
catalogar a face humana.
09:08
And he came up with this idea of Facial Action Coding System, or FACS.
200
530000
3000
E ele formulou essa idéia do Sistema de Codificação da Ação Facial.
09:11
He believed that there were 70 basic poses
201
533000
3000
Ele acreditava haver 70 poses básicas
09:14
or shapes of the human face,
202
536000
3000
ou formas da face humana
09:17
and that those basic poses or shapes of the face
203
539000
3000
e que a partir dessas poses básicas ou formas da face,
09:20
can be combined to create infinite possibilities
204
542000
3000
elas podiam ser combinadas para criar infinitas possibilidades
09:23
of everything the human face is capable of doing.
205
545000
2000
de tudo que a face humana é capaz de fazer.
09:25
And of course, these transcend age, race, culture, gender.
206
547000
3000
E é claro, elas transcendem a idade, raça, cultura, sexo.
09:28
So this became the foundation of our research as we went forward.
207
550000
4000
Assim, isso tornou-se o alicerce de nossa pesquisa enquanto avançavamos.
09:32
And then we came across some remarkable technology
208
554000
3000
E aí encontramos uma tecnologia notável
09:35
called Contour.
209
557000
1000
chamada Contorno
09:36
And here you can see a subject having phosphorus makeup
210
558000
3000
E aqui vocês podem ver uma pessoa com maquiagem de fósforo
09:39
stippled on her face.
211
561000
2000
colocada sobre sua face
09:41
And now what we're looking at is really creating a surface capture
212
563000
3000
E agora o que estamos vendo é realmente a criação de uma captura de superfícies
09:44
as opposed to a marker capture.
213
566000
2000
ao invés da captura de marcadores.
09:46
The subject stands in front of a computer array of cameras,
214
568000
2000
A pessoa se coloca em frente de um conjunto de câmera computadorizadas,
09:48
and those cameras can, frame-by-frame,
215
570000
2000
e essas câmera podem, quadro a quadro,
09:50
reconstruct the geometry of exactly what the subject's doing at the moment.
216
572000
3000
reconstruir a geometria do que exatamene a pessoa está fazendo naquele momento.
09:53
So, effectively, you get 3D data in real time of the subject.
217
575000
5000
Assim, efetivamente, você consegue os dados 3D da pessoa em tempo real.
09:58
And if you look in a comparison,
218
580000
3000
E se vocês observarem a comparação,
10:01
on the left, we see what volumetric data gives us
219
583000
3000
à esquerda, vemos o que os dados volumétricos nos dão
10:04
and on the right you see what markers give us.
220
586000
2000
e à direita vocês vêem o que os marcadores nos dão.
10:07
So, clearly, we were in a substantially better place for this.
221
589000
2000
Assim, claramente, nós estávamos em uma posição bem melhor agora.
10:09
But these were the early days of this technology,
222
591000
2000
Mas esse era o início dessa tecnologia,
10:11
and it wasn't really proven yet.
223
593000
2000
e não estava provada ainda.
10:13
We measure complexity and fidelity of data
224
595000
2000
Mas medimos a complexidade e a fidelidade dos dados
10:15
in terms of polygonal count.
225
597000
2000
em termos de contagem poligonal.
10:17
And so, on the left, we were seeing 100,000 polygons.
226
599000
3000
E então,à esquerda, nós estávamo vendo 100.000 polígonos.
10:20
We could go up into the millions of polygons.
227
602000
2000
Podíamos ir até os milhões de polígonos.
10:22
It seemed to be infinite.
228
604000
2000
Pareciam ser infinitos.
10:24
This was when we had our "Aha!"
229
606000
2000
Foi nessa hora que tivemos nosso "a ha!"
10:26
This was the breakthrough.
230
608000
1000
Esse era o avanço.
10:27
This is when we're like, "OK, we're going to be OK,
231
609000
2000
Aí foi que falamos, "OK, nós vamos ficar OK,
10:29
This is actually going to work."
232
611000
1000
Isso vai realmente funcionar."
10:30
And the "Aha!" was, what if we could take Brad Pitt,
233
612000
4000
E o "a ha!" foi, e se nós pegássemos o Brad Pitt,
10:34
and we could put Brad in this device,
234
616000
3000
e pudéssemos colocar o Brad nesse equipamento,
10:37
and use this Contour process,
235
619000
2000
e utilizar o processo do Contorno,
10:39
and we could stipple on this phosphorescent makeup
236
621000
2000
e pudéssemos colocar essa maquiagem fosforecente
10:41
and put him under the black lights,
237
623000
1000
e colocá-lo sob luzes negras,
10:42
and we could, in fact, scan him in real time
238
624000
3000
e pudéssemo, de fato, digitalizá-lo em tempo real
10:45
performing Ekman's FACS poses.
239
627000
2000
executando as poses SCAF de Eckman.
10:47
Right? So, effectively,
240
629000
2000
Certo? Então, efetivamente,
10:49
we ended up with a 3D database
241
631000
2000
nós terminamos com uma base de dados 3D
10:51
of everything Brad Pitt's face is capable of doing.
242
633000
3000
de tudo que a face de Brad Pitt é capaz de fazer.
10:54
(Laughter)
243
636000
2000
(Risos)
10:56
From there, we actually carved up those faces
244
638000
3000
A partir daí, nós esculpimos essas faces
10:59
into smaller pieces and components of his face.
245
641000
3000
em pequenos pedaços e componentes de sua face.
11:02
So we ended up with literally thousands and thousands and thousands of shapes,
246
644000
3000
Assim, teminamos com literalmene milhares e milhares e milhares de formas.
11:05
a complete database of all possibilities
247
647000
3000
Uma base de dados completa de todas as possibilidades
11:08
that his face is capable of doing.
248
650000
3000
que sua face era capaz e fazer.
11:11
Now, that's great, except we had him at age 44.
249
653000
3000
Agora, isso é sensacional, exceto que o tínhamos com 44 anos de idade.
11:14
We need to put another 40 years on him at this point.
250
656000
3000
precisávamos colocar mais 40 anos nele nesse ponto.
11:17
We brought in Rick Baker,
251
659000
2000
Trouxemos Rick Baker
11:19
and Rick is one of the great makeup and special effects gurus
252
661000
2000
e Rick é um dos maiores gurus da maquiagem e efeitos especiais
11:21
of our industry.
253
663000
1000
em nosso ramo de negócios.
11:22
And we also brought in a gentleman named Kazu Tsuji,
254
664000
3000
E também trouxemos um senhor chamado Kazu Tsuji,
11:25
and Kazu Tsuji is one of the great photorealist sculptors of our time.
255
667000
3000
e Kazu Tsuji é um dos maiores escultores de foto reais de nosso tempo.
11:28
And we commissioned them to make a maquette,
256
670000
3000
E os encarregamos de fazer uma maquete,
11:31
or a bust, of Benjamin.
257
673000
2000
ou um busto, de Benjamin
11:33
So, in the spirit of "The Great Unveiling" -- I had to do this --
258
675000
3000
Logo, no espírito da "Grande Revelação" - eu tinha que fazer isso -
11:36
I had to unveil something.
259
678000
2000
Eu tenho que revelar algo.
11:38
So this is Ben 80.
260
680000
2000
Então esse é Ben 80.
11:40
We created three of these:
261
682000
2000
Criamos três desses:
11:42
there's Ben 80, there's Ben 70, there's Ben 60.
262
684000
2000
Existe o Ben 80, existe o Ben 70, existe o Ben 60.
11:44
And this really became the template for moving forward.
263
686000
3000
E esse realmente tornou-se o modelo para seguirmos em frente.
11:47
Now, this was made from a life cast of Brad.
264
689000
2000
Agora, isso foi feito a partir do molde tirado do Brad real.
11:49
So, in fact, anatomically, it is correct.
265
691000
3000
Logo, de fato, anatomicamente, ele é correto.
11:52
The eyes, the jaw, the teeth:
266
694000
3000
Os olhos, a mandíbula, os dentes...
11:55
everything is in perfect alignment with what the real guy has.
267
697000
3000
Tudo está em perfeito alinhamento com o que o cara real tem.
11:58
We have these maquettes scanned into the computer
268
700000
2000
Digitalizamos essas maquetes para o computador
12:00
at very high resolution --
269
702000
2000
em altíssima resolução.
12:02
enormous polygonal count.
270
704000
2000
Em enorme contagem poligonal.
12:04
And so now we had three age increments of Benjamin
271
706000
4000
E agora tínhamos três incrementos de idade para Benjamin
12:08
in the computer.
272
710000
2000
no computador.
12:10
But we needed to get a database of him doing more than that.
273
712000
3000
Mas precisávamos conseguir uma base de dados dele fazendo mais do que isso.
12:13
We went through this process, then, called retargeting.
274
715000
3000
Fizemos um processo, a seguir, chamado reobjetivação.
12:16
This is Brad doing one of the Ekman FACS poses.
275
718000
2000
Esse é Brad fazendo uma das poses SCAF de Ekman.
12:18
And here's the resulting data that comes from that,
276
720000
3000
E aqui estão os dados resultantes que vieram dela,
12:21
the model that comes from that.
277
723000
2000
o modelo que vem dela.
12:23
Retargeting is the process of transposing that data
278
725000
3000
e reobjetivar é o processo de transpor esses dados
12:26
onto another model.
279
728000
2000
para outro modelo.
12:28
And because the life cast, or the bust -- the maquette -- of Benjamin
280
730000
3000
E uma vez que molde real, ou o busto - a maquete - de Benjamin
12:31
was made from Brad,
281
733000
2000
foi feito a partir de Brad,
12:33
we could transpose the data of Brad at 44
282
735000
3000
pudemos transpor os dados de Brad com 44 anos
12:36
onto Brad at 87.
283
738000
2000
para o Brad com 87.
12:38
So now, we had a 3D database of everything Brad Pitt's face can do
284
740000
3000
Então, nós tínhamos a base de dados 3D de tudo que a face de Brad pode fazer
12:41
at age 87, in his 70s and in his 60s.
285
743000
4000
na idade de 87 anos, em seus 70 anos, e em seus 60 anos.
12:45
Next we had to go into the shooting process.
286
747000
3000
A seguir tivemos que iniciar o processo de filmagem.
12:48
So while all that's going on,
287
750000
1000
Logo, enquanto tudo isso acontecia,
12:49
we're down in New Orleans and locations around the world.
288
751000
2000
estávamos em Nova Orleans e em locais ao redor do mundo.
12:51
And we shot our body actors,
289
753000
2000
E filmamos nossos atores de corpo
12:53
and we shot them wearing blue hoods.
290
755000
2000
e os filmamos vestindo capuzes azuis.
12:55
So these are the gentleman who played Benjamin.
291
757000
2000
De modo que esse senhor está interpretando Benjamin.
12:57
And the blue hoods helped us with two things:
292
759000
2000
E os capuzes azuis nos ajudaram em duas coisas:
12:59
one, we could easily erase their heads;
293
761000
2000
Um, nós podíamos facilmente apagar suas cabeças;
13:01
and we also put tracking markers on their heads
294
763000
2000
e nós também colocamos marcadores de rastreamento em suas cabeças;
13:03
so we could recreate the camera motion
295
765000
2000
de modo a poder recriar o movimento de câmera
13:05
and the lens optics from the set.
296
767000
2000
e as lentes óticas do estúdio.
13:07
But now we needed to get Brad's performance to drive our virtual Benjamin.
297
769000
3000
Mas agora precisávamos que a interpretação de Brad dirigisse nosso Benjamin virtual.
13:10
And so we edited the footage that was shot on location
298
772000
2000
E então, nós editamos a filmagem no local
13:12
with the rest of the cast and the body actors
299
774000
3000
com o resto do elenco e os atores de corpo
13:15
and about six months later
300
777000
2000
e depois de quase seis meses
13:17
we brought Brad onto a sound stage in Los Angeles
301
779000
3000
trouxemos Brad para um estúdio de som em Los Angeles
13:20
and he watched on the screen.
302
782000
3000
e ele assistiu na tela
13:23
His job, then, was to become Benjamin.
303
785000
2000
e seu trabalho então foi tornar-se Benjamin.
13:25
And so we looped the scenes.
304
787000
1000
E então rodamos novamente as cenas.
13:26
He watched again and again.
305
788000
1000
Ele assitia diversas vezes.
13:27
We encouraged him to improvise.
306
789000
2000
Nós o encorajávamos a improvisar.
13:29
And he took Benjamin into interesting and unusual places
307
791000
3000
E ele levou Benjamin a lugares interessantes e incomuns
13:32
that we didn't think he was going to go.
308
794000
2000
que nós pensávamos que ele não iria chegar.
13:34
We shot him with four HD cameras
309
796000
2000
Nós o filmamos com nossas quatro câmeras de alta definição
13:36
so we'd get multiple views of him
310
798000
1000
de modo a ter múltiplas vistas dele
13:37
and then David would choose the take of Brad being Benjamin
311
799000
3000
e então David escolheria a cena de Brad sendo Benjamin
13:40
that he thought best matched the footage
312
802000
3000
que ele achasse que se encaixava melhor na filmagem
13:43
with the rest of the cast.
313
805000
1000
com o resto do elenco.
13:44
From there we went into a process called image analysis.
314
806000
3000
A partir daí iniciamos um processo chamado análise de imagem
13:47
And so here, you can see again, the chosen take.
315
809000
3000
E aqui, vocês podem ver novamente, a cena escolhida.
13:50
And you are seeing, now, that data being transposed on to Ben 87.
316
812000
3000
E vemos, agora, os dados transpostos para Ben 87.
13:53
And so, what's interesting about this is
317
815000
3000
E então, o que é interessante sobre isso é que
13:56
we used something called image analysis,
318
818000
2000
utilizamos algo chamado análise de imagem,
13:58
which is taking timings from different components of Benjamin's face.
319
820000
3000
a qual está captando a temporização de diferentes componentes da face de Benjamin.
14:01
And so we could choose, say, his left eyebrow.
320
823000
3000
E então podemos escolher, digamos, sua sobrancelha esquerda.
14:04
And the software would tell us that, well,
321
826000
2000
E o software nos diria, bem,
14:06
in frame 14 the left eyebrow begins to move from here to here,
322
828000
2000
no quadro 14 a sobrancelha esquerda começa a se mover daqui para aqui,
14:08
and it concludes moving in frame 32.
323
830000
2000
e ela conclui o movimento no quadro 32.
14:10
And so we could choose numbers of positions on the face
324
832000
2000
Dessa maneira poderíamos escolher números e posições na face
14:12
to pull that data from.
325
834000
2000
para captar os dados dela.
14:14
And then, the sauce I talked about with our technology stew --
326
836000
2000
E então, o molho que falei com nosso ensopado tecnológico,
14:16
that secret sauce was, effectively, software that allowed us to
327
838000
3000
o segredo do molho era, efetivamente, um programa que nos permitia
14:19
match the performance footage of Brad
328
841000
3000
encaixar a interpretação filmada de Brad
14:22
in live action with our database of aged Benjamin,
329
844000
4000
ao vivo com nossa base de dados do Benjamin idoso,
14:26
the FACS shapes that we had.
330
848000
2000
nas formas SCAF que tínhamos.
14:28
On a frame-by-frame basis,
331
850000
3000
Em uma base de quadro a quadro,
14:31
we could actually reconstruct a 3D head
332
853000
3000
nós pudemos realmente reconstruir a cabeça 3D
14:34
that exactly matched the performance of Brad.
333
856000
3000
que coincidia exatamente com a interpretação de Brad.
14:37
So this was how the finished shot appeared in the film.
334
859000
3000
Assim, isto é como o produto final apareceu no filme.
14:40
And here you can see the body actor.
335
862000
2000
E aqui vocês podem ver o ator de corpo.
14:42
And then this is what we called the "dead head," no reference to Jerry Garcia.
336
864000
3000
E a seguir isto é o que chamamos "cabeça morta", sem nenhuma referência a Jerry Garcia.
14:45
And then here's the reconstructed performance
337
867000
3000
E a seguir aqui está a interpretação reconstruída
14:48
now with the timings of the performance.
338
870000
3000
agora com os tempos da interpretação
14:51
And then, again, the final shot.
339
873000
2000
E a seguir, novamente, o produto final.
14:54
It was a long process.
340
876000
2000
Foi um processo longo.
14:56
(Applause)
341
878000
3000
(Aplausos)
15:07
The next section here, I'm going to just blast through this,
342
889000
2000
A próxima seção aqui, Eu vou passar bem rápido por isso,
15:09
because we could do a whole TEDTalk on the next several slides.
343
891000
4000
pois poderíamos fazer um TEDTalk inteiro sobre os próximos slides.
15:13
We had to create a lighting system.
344
895000
3000
Tivemos que criar um sistema de iluminação.
15:16
So really, a big part of our processes was creating a lighting environment
345
898000
3000
Realmente, uma grande parte de nossos processos foi criar embientes de iluminação
15:19
for every single location that Benjamin had to appear
346
901000
2000
para cada uma das locações que Benjamin tinha que aparecer
15:21
so that we could put Ben's head into any scene
347
903000
3000
de modo que pudéssemos colocar a cabeça de Ben em qualquer cena
15:24
and it would exactly match the lighting that's on the other actors
348
906000
3000
e ela encaixaria exatamente com a iluminação nos outros atores
15:27
in the real world.
349
909000
1000
no mundo real.
15:28
We also had to create an eye system.
350
910000
3000
Nós também tivemos que criar um sistema de olhos.
15:31
We found the old adage, you know,
351
913000
2000
Nós descobrimos o velho adágio, sabe,
15:33
"The eyes are the window to the soul,"
352
915000
2000
"Os olhos são a janela da mente."
15:35
absolutely true.
353
917000
1000
absolutamente verdadeiro.
15:36
So the key here was to keep everybody looking in Ben's eyes.
354
918000
2000
Assim, a chave aqui foi manter todos olhando para os olhos de Ben.
15:38
And if you could feel the warmth, and feel the humanity,
355
920000
2000
E se você pode sentir o calor, e sentir a humanidade,
15:40
and feel his intent coming through the eyes,
356
922000
3000
e sentir a intenção a partir de seus olhos,
15:43
then we would succeed.
357
925000
1000
então nós teríamos sucesso
15:44
So we had one person focused on the eye system
358
926000
3000
Assim, tínhamos uma pessoa focada no sistema dos olhos
15:47
for almost two full years.
359
929000
2000
por quase dois anos inteiros.
15:49
We also had to create a mouth system.
360
931000
2000
Também criamos um sistema para a boca.
15:51
We worked from dental molds of Brad.
361
933000
2000
Nós fizemos moldes dentais de Brad.
15:53
We had to age the teeth over time.
362
935000
2000
Tivemos que envelhecer seus dentes com o tempo.
15:55
We also had to create an articulating tongue that allowed him to enunciate his words.
363
937000
3000
Tivemos também que criar uma língua articulada que permitisse que ele enunciasse suas palavras.
15:58
There was a whole system written in software to articulate the tongue.
364
940000
2000
Havia um sistema inteiro escrito em programa de computador para articular sua língua.
16:00
We had one person devoted to the tongue for about nine months.
365
942000
2000
Tivemos uma pessoa devotada à língua por quase nove meses.
16:02
He was very popular.
366
944000
2000
Ele era muito popular.
16:04
Skin displacement: another big deal.
367
946000
3000
Movimento da pele: outro grande problema.
16:07
The skin had to be absolutely accurate.
368
949000
2000
A pele devia ser absolutamente precisa,
16:09
He's also in an old age home, he's in a nursing home
369
951000
3000
e ele estava em uma casa de repouso, num asilo de idosos
16:12
around other old people,
370
954000
2000
ao redor e outras pessoas,
16:14
so he had to look exactly the same as the others.
371
956000
2000
de modo que ele tinha que se parecer exatamente como os outros.
16:16
So, lots of work on skin deformation,
372
958000
1000
Então, muito trabalho na deformação da pele,
16:17
you can see in some of these cases it works,
373
959000
1000
vocês podem ver em alguns desses caso funciona,
16:18
in some cases it looks bad.
374
960000
1000
em outros casos parece ruim,
16:19
This is a very, very, very early test in our process.
375
961000
2000
isso é um dos testes muito, muito, muito iniciais em nosso processo
16:21
So, effectively we created a digital puppet
376
963000
3000
Assim, nós criamos efetivamente uma marionete digital
16:24
that Brad Pitt could operate with his own face.
377
966000
3000
que Brad Pitt podia operar com sua própria face.
16:27
There were no animators necessary to come in and interpret behavior
378
969000
4000
Não houve necessidade de animadores para vir e interpretar comportamentos
16:31
or enhance his performance.
379
973000
2000
ou melhorar sua interpretação.
16:33
There was something that we encountered, though,
380
975000
3000
Entretanto, houve algo que encontramos,
16:36
that we ended up calling "the digital Botox effect."
381
978000
3000
que acabamos chamando de "Efeito Botox digital."
16:39
So, as things went through this process,
382
981000
3000
Assim, conforme íamos seguindo nesse process,
16:42
Fincher would always say, "It sandblasts the edges off of the performance."
383
984000
3000
Fincher sempre dizia "está corroendo os contornos da interpretação."
16:45
And thing our process and the technology couldn't do,
384
987000
3000
E uma das coisas que nosso processo e a tecnologia não podiam fazer
16:48
is they couldn't understand intent,
385
990000
3000
é que não poderiam entender a intenção,
16:51
the intent of the actor.
386
993000
2000
a intenção do ator.
16:53
So it sees a smile as a smile.
387
995000
2000
Assim, ela vê o sorriso como um sorriso.
16:55
It doesn't recognize an ironic smile, or a happy smile,
388
997000
3000
Ela não reconhece o sorriso irônico, ou o sorriso feliz,
16:58
or a frustrated smile.
389
1000000
1000
ou o sorriso frustrado.
16:59
So it did take humans to kind of push it one way or another.
390
1001000
3000
Desse modo, coube aos humanos dar uma ajuda de um modo ou de outro.
17:02
But we ended up calling the entire process
391
1004000
3000
Mas ao final, nós acabamos chamando o processo completo
17:05
and all the technology "emotion capture,"
392
1007000
2000
e toda sua tecnologia de "captura de emoção,"
17:07
as opposed to just motion capture.
393
1009000
1000
em oposição à captura somente de movimento.
17:08
Take another look.
394
1010000
2000
Olhem novamente.
17:11
Brad Pitt: Well, I heard momma and Tizzy whisper,
395
1013000
2000
Brad Pitt: Bem, eu ouvi a mamãe e Tizzy cochichando,
17:13
and they said I was gonna die soon,
396
1015000
2000
e eles diziam que eu iria morrer breve,
17:15
but ... maybe not.
397
1017000
2000
mas...talvez não.
17:37
EU: That's how to create a digital human in 18 minutes.
398
1039000
3000
Ed Ulbrich: Aí está como criamos um humano digital em 18 minutos.
17:40
(Applause)
399
1042000
3000
(Aplausos)
17:48
A couple of quick factoids;
400
1050000
2000
Alguns fatos rápidos.
17:50
it really took 155 people over two years,
401
1052000
4000
Realmente utilizamos 155 pessoas por dois anos,
17:54
and we didn't even talk about 60 hairstyles and an all-digital haircut.
402
1056000
4000
e nós nem falamos sobre quase 60 penteados e os cortes de cabelo totalmente digitais.
17:58
But, that is Benjamin. Thank you.
403
1060000
3000
Mas, este é Benjamin. Obrigado
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