我身上的阴影比你的好看丨《在下坂本，有何贵干》

凡有光线，必有阴影。

所以，就算同一张脸同一块布，也有明暗交替，从来不是一成不变。

摄影师直接借用真实的光影就好，但漫画师借不到光，只能靠想象。毕竟线稿是苍白的，手动打上合适的阴影，画面才会立体，才会有光亮。

上《少女新娘物语》，下《寄生兽》同人漫丨森薰 & Banana Fish

这道工序并不简单，考验画师对空间的理解，萌新常常花大把的时（tou）间（fa）来调整阴影；就算有了经验，上阴影依然是一项费时费力令人头秃的活动。

不过现在，漫画家（的助手）们有理由期待一个有头发的未来了。因为，打阴影已经不是人类的专属技能，下面这个妹子的阴影，就是一只AI的手笔：

图丨参考文献1

只要为AI指明光源的方向，画面便有了光影错落。它仿佛还看得出花瓣的边缘，看得见叶子的脉络。

除此之外，它也可以给动画上阴影，画面自然流畅：

给动画上阴影，素材来自克劳斯《圣诞节的秘密》丨参考文献1

这只技艺精湛的AI，来自马里兰大学巴尔的摩郡分校的郑清元和小伙伴们，登上了计算机视觉顶会CVPR 2020。

谁还没有空间想象力了

像开头提到的那样，打阴影靠的是对空间的理解。

可漫画线稿是2D的，AI要怎么看出3D空间来？需要修炼空间想象力。

曾经，有大前辈用物体的2D轮廓和3D渲染模型做成一对数据，训练AI去想象2D线稿的3D形状，再加上写实派的阴影：

大前辈Sketch2Normal丨参考文献2

不过，漫画有时并不那么写实，这里AI首先要学的是单色阴影，不渐变的那种。于是，研究团队想找到一种更合适的方法。

既然，人类能依靠画面的光影来判断物体的3D形状，应该也可以利用漫画家已经打好的阴影，训练AI想象3D形状的能力。

当然，下面这样的成品不便当做训练数据，因为它不光打了阴影还上了色，AI分不清哪里是阴影，哪里是物体本身的颜色，会困惑的：

两仪小姐姐的头发和腰带已经有了颜色丨《空之境界》

相比之下，研究人员们机智地选择了Toshi老师著名的阴影教程。那里，有打上阴影前后的对照，人物有各式各样的姿势和朝向，还有不同的光照方向。

光线与阴影丨Toshi

训练数据集里，每张线稿都有它对应的阴影（Toshi老师画的），以及阴影对应的光源方向（手动标记），三者合起来算是一个样本。

左为线稿，中为阴影，右为光照方向丨参考文献1

数据集有了，它要调教的是怎样一只AI？阴影生成器分成两部分：第一部分叫做形状网络（shape net），负责给一张线稿编码3D空间信息；第二部分叫做渲染网络（render net），根据编码出的3D空间信息来生成阴影。每输入一个线稿和一个方向，就输出一个阴影。

打了阴影之后，还有一个判别器负责检查它生成的阴影真不真实。最初的判断依据，就是训练集里的那些样本，随着生成器不断生成新的样本，判断力也会不断升级。判别器越来越难被骗，生成器就要打上更逼真的阴影，才能继续骗过那双火眼。

终于，生成器在判别器的鞭策之下，生成的阴影自然了起来：

成果展丨参考文献1

肉眼可见，它获得了一些有用的技巧。比如，参考已经存在的各种线条，不论头发还是衣服的褶皱：

不要观察欧派（误）丨参考文献1

比如，光在侧面的时候，阴影打给了半边脸，刚好以鼻子为界：

欧派隐身了（误）丨参考文献1

更重要的是，当光照的方向连续变化，AI生成的阴影也在连续变化。注意，在训练数据集里，光照方向只有离散的26种，但AI依然学会了给更多不同的光照方向打阴影。

生成单色阴影之后，只要把不同光照方向的阴影合成起来，还能拥有渐变的阴影：

放大看，甚至可以有网点 (d)丨参考文献1

另外，就算画里的主角突然跑起来，AI一样可以招架：

给动画上阴影，素材来自吉成曜丨参考文献1这让人想起了光影能力者新海诚。虽然，现在AI的能力还停留在给人物上阴影，离把人物放进背景、放到更多的人物中间，可能有很长一段路；但假如有一天，动画的阴影可以交给AI来上，省下的时间拿去生产更多大作，那画师还是会秃头，想想都觉得兴奋呢。

躲避夷族的追击丨《追逐繁星的孩子》

打完阴影了然后呢

问题来了，就算有一天真的不用手动上阴影，还是要手动上色吧，就算黑白漫也一样。

那样的话，就等着上色AI也进化到不用人类上手的那一天吧。

其实也不会太远了，因为半自动的上色AI已经出现了。比如，来自我国的Style2Paints，目前进化到了第四代（最新版本v4.5）。不加任何手动调色，便能得到这样的效果：

图丨参考文献3

稍微调教一下下，就获得了更加令人心旷神怡的作品：

素材来自《俺は、八乙女一華が苦手だ》丨柚木'N

之前因为网页版游玩人数太多，官方宣布服务器撑不下去了，现在Style2Paints又以PC版的身份重生，想必是个生命力更强的变体。

看来，不论是上阴影还是上色，不论是漫画本子还是动画，一个高产的美好世界，仿佛就要来了。

参考文献

[1] Zheng, Q., Li, Z., & Bargteil, A. (2020). Learning to Shadow Hand-drawn Sketches. arXiv preprint arXiv:2002.11812.

[2] Su, W., Yang, X., & Fu, H. (2017). Sketch2normal: deep networks for normal map generation. In SIGGRAPH Asia 2017 Posters (pp. 1-2).

[3] Lllyasviel. (2019, December 18). lllyasviel/style2paints. Retrieved from https://github.com/lllyasviel/style2paints

作者：栗子

编辑：odette

鸣谢：郑清元团队，八云

本文来自果壳，未经授权不得转载.

如有需要请联系sns@guokr.com

来源: 果壳