在絕大多數電影的拍照中，同一個場景會被從不同視點拍照屢次，中國電影電視網然后錄像被丟給編排師和分鏡師按要求把多個鏡頭進行無縫銜接，構成一個多視點、有特定風格的場景敘事。可是，這一“手工活”現在面臨被AI代替的可能。

       一個來自斯坦福大學和Adobe公司的AI能夠自行同步相同場景的錄像，把它們對上藝人正在念的臺詞。然后，一起的面部情感捕捉技能將會自動辨認和剖析藝人所體現出的人物形象；隨后，根據導演對風格的要求，AI會根據數據庫里較為成熟的編排風格和鏡頭語言對錄像進行自動挑選和組裝。

      例如，針對一個傳統風格的對話，AI會運用一個常規的“建立場景”中國電影電視網鏡頭，并接下來在雙方面部不斷切換特寫鏡頭，其間夾雜著一些廣角鏡頭。假如導演尋求其他風格的分鏡，只需通知AI自己的要求，“多用跳剪”、“廣角開端“或許“聚集堅持不變”，AI就會重組一個場景出來，比方下圖所顯示的這樣：

      應戰全球影視人！這些人工智能將改動影視制造的格局

   （圖中的StyleA、B和C分別代表了有不同側重點的編排計劃）

     在文獻中，研討人員表明這個AI用了3秒鐘就剪出來一個71秒的視頻，中國電影電視網而一般經驗豐厚的編排師可能需求幾個小時完結這項作業。此AI的呈現給導演們敞開了測驗更多拍照辦法的可能，由于編排一個場景、不滿意重頭再來的時刻本錢從本來的幾天變成了幾個小時。

       AI處理后期制造瑕疵

       現在的動畫電影和電視劇常常用電腦來模仿光線的天然改動，可是模仿滿足的光線需求用到許多的人力資源和時刻。為了節約本錢，制造人員傾向做更少的模仿，不過這樣做簡單在終究出品的圖畫上形成明顯的瑕疵（也叫噪聲noise）。

       迪斯尼和皮克薩一起研制的AI選用了叫做“卷積神經網絡”(ConvolutionalNeuralNetwork）的深度學習模型，經過研討《海底總動員2》中的許多處理瑕疵的案例，AI學會自動將因光線過少引起的瑕疵糾正成光線豐滿而天然的姿態，這樣，制造過程中耗時費力要去抹掉的瑕疵就能夠交給不知疲倦的計算機了~這款人工智能的技能現已并被成功用在了這個月大火的《轎車總動員3》的制造中。

      應戰全球影視人！這些人工智能將改動影視制造的格局

   （這是《海底總動員2》降噪處理前后的比照圖，也是這款AI學習的目標）

     應戰全球影視人！這些人工智能將改動影視制造的格局

   （這是AI學習后在處理《轎車總動員3》的時分的效果）

     此AI的呈現標志著光線處理除添加光線、人工降噪之外的另一解決計劃。迪士尼的副研制總監MarkusGross表明，在其他計劃變得越來越雜亂、相對質量提高越來越慢的狀況下，這一款AI算是向新方向的一大重要前進。

獨立制造“小電影”的AI

     IBM的認知技能渠道和最近在和紐約翠貝卡電影節協作，讓電影制造人們幫忙開發IBM的AI”Watson“。在舉行的”StorytellerwithWatson“比賽中，前記者、電影品格羅斯曼提出了一個算法，讓AI能夠辨認恣意一段視頻中的臺詞和場景的含義，包含人物的心境、狀況的雜亂程度以及跟影片前后段的聯系。當和劇本本身進行比對之后，這個技能能夠被用作快速生成一段影片的預告（更精確的說來是梗概）。這樣，從長篇的電影中提煉出來的“小電影”就成型了。

應戰全球影視人！這些人工智能將改動影視制造的格局

     （辦法的提出者SethGrossman在進行說明）

       這個辦法被希望能夠給導演更多的靈感。同時，這個算法在電視劇范疇有著較大的商業價值，能夠被用于快速提取每一集的宣揚片，便于制造組進行項目宣揚。別的，劇組能夠自行挑選給AI供給的視頻材料豐厚程度，進而對劇情開展的不同階段進行人為分類，發生涵蓋內容更豐厚或許更詳細的短片段，投放到商場。