来源：新智元
【导读】这两天，英伟达发布了一个视频，揭秘4月份在GTC发布会上出现的「黄仁勋」数字人。不过，老黄只是用了14秒假身而已。做一个「假老黄」使用的技术倒是没有那么新颖，不过这波Omniverse的宣传却是很到位了！
什么？
英伟达4月份在GTC上发布的Keynote视频里老黄竟然是假的？
文章一出就席卷了各个平台，直接刷出圈了。
然而，细心的微博网友发现了其中的端倪。
简而言之就是：
视频中，随着镜头逐渐拉远，老黄也开始被「分解」，一波特效完成之后，老黄消失了。
这时，画面中呈现出来的厨房就是用Omniverse生成的「数字孪生版」了。
在这个这个「假」厨房里，英伟达还特地加入了一些彩蛋。
比如右下角的国旗和「乐高老黄」，一瓶据说是带着自家logo的橄榄油，还有左边的厨具也被换掉了。
通过视频的慢放可以看出来场景的切换。
消失之后再一次出现的就是「假老黄」了。
英伟达的官方博客中表示，在一小时48分钟的演讲中，只有14秒是合成的。
可以肯定的是，一场主题演讲的中心不能没有一个有血有肉的人。在一小时48分钟的演讲中，除了14秒，即从1:02:41到1:02:55，黄仁勋本人在主题演讲中都有发言。
根据财新的报道，英伟达表示该纪录片意在展示Omniverse技术可以实现的效果，而非暗示黄仁勋4月的演讲全部或部分采用虚拟技术。
此处来个「乐高老黄」的特写。
不能说是非常厉害吧，但也很强了
为了制作这个「假老黄」，首先需要来一个全身的3D扫描。
衣服都不能放过的那种。
也就用上百个相机拍几千张照片吧。
面部的动作则只需要导入纯音频即可，Audio2Face能根据语音内容自动生成。
模型看起来太假了怎么办？
这里就需要祭出另一个技术了：Face-Vid2Vid。
只需一张老黄的照片，对应覆盖在CG模型上就可以了得到一个「栩栩如生」的脸了。
不过身体动作的捕捉还得需要一位专业的演员代劳才行。
英伟达总共录制了8小时的视频，期间这位演员需要一边阅读以前的Keynote，一边模仿老黄的动作和表情。
此外，英伟达还制作了21个版本的老黄，并从中选出最像的那个。
至此，老黄的替身也就差不多制作完成了。
我们再来回顾一下GTC视频里的「假老黄」。
然而吧，这个效果和英伟达最新发布的GTC Keynote揭秘视频里展示的，感觉是一个东西，又好像不是。
老黄再获奖！芯片行业最高荣誉诺伊斯奖
老黄这段时间可谓是热度满满！
昨天SIGGRAPH发布的纪录片介绍了英伟达4月发布会「假老黄」诞生的始末；
前几天，英伟达股价大涨，老黄身价涨到190亿美元（约合人民币1231亿元），跻身千亿富翁行列！
上个月，他获得了全美亚裔工程师终身成就奖（AAEOY），此前的获奖者包括诺贝尔奖得主（如丁肇中、朱棣文）、宇航员、企业高管（如台积电创始人张忠谋）。
昨天，老黄又获奖了！
半导体行业协会 (SIA）宣布将该行业最高荣誉罗伯特·诺伊斯奖（ Robert N. Noyce Award）颁发给黄仁勋！颁奖晚宴将于11 月 18 日举行。
该奖项以半导体行业先驱罗伯特·诺伊斯的名字命名，他被称为「硅谷之父」、「集成电路之父」，是仙童半导体公司和英特尔联合创始人。
SIA 总裁兼CEO 约翰·诺伊弗（John Neuffer ）表示，「黄仁勋非凡的远见和不懈的执行力极大地推动了半导体行业的发展、革新了计算并带来了先进的人工智能。他带来的创新包括游戏、科学计算、自动驾驶汽车。」
对此，老黄表示，「我很荣幸能代表英伟达的同事获得 2021 年诺伊斯奖。」
他还说，半导体和计算机行业对世界影响深远。随着人工智能、机器人、数字生物学和元宇宙的时代的来临，我们将看到更多的进步。
老黄于 1993 年创立英伟达，自成立以来一直担任 CEO 和董事会成员。公司现在市值超过 4900 亿美元，拥有 20,000 名员工。
英伟达从 3D 图形起步，助力游戏市场成为世界上最大的娱乐产业。
采用英伟达RTX技术的游戏《古墓丽影：暗影》
采用英伟达RTX技术的游戏《地铁：离去》
最近，英伟达再次推动现代人工智能发展，用 GPU 作为计算机、机器人和自动驾驶汽车的大脑。
一小段CG而已，没那么玄乎
英伟达发布视频揭露黄仁勋本身全都是数字合成而非实拍后，再次引发网友热议。
只是一小段CG而已，没那么玄乎，理性看待，吹爆没必要。」
尽管如此，Omniverse的重量级宣传也是达到了啊！
不过，更多的可能是催显卡的网友…
也有网友表示，最后的质量挺「low cost」的。
笑看吃瓜群众。
对于「假老黄」，你有什么看法呢？
参考资料：
https://weibo.com/u/1679709533
https://www.youtube.com/watch?v=eAn_oiZwUXA&t=3742s
https://www.youtube.com/watch?v=1qhqZ9ECm70
https://blogs.nvidia.com/blog/2021/08/11/omniverse-making-of-gtc/?ncid=so-yout-405983#cid=sigg21_so-yout_en-us
推荐阅读
重磅！DLer-计算机视觉&Transformer群已成立！
大家好，这是计算机视觉&Transformer论文分享群里，群里会第一时间发布最新的Transformer前沿论文解读及交流分享会，主要设计方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、视频超分、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。
进群请备注：研究方向+学校/公司+昵称（如Transformer+上交+小明）
???? 长按识别，邀请您进群！
604
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
