想像一下，如果彼得潘沒遇到為他縫上影子的溫蒂，他的影子成功逃離他的掌控，並在那之後展開了獨立的人生，在世界各地冒險，甚至跨足演藝圈，客串了迪士尼的動畫。
這時，彼得潘能向擁有「地表最強法務」的迪士尼索取授權費嗎？
這個案例，與身處社群網路世代的我們息息相關，這也正是我們面臨的隱私困局：當演算法拿走你的「數位影子」（社群貼文、照片與足跡），並用它創造出另一個更受歡迎、更會賺錢的「數位分身」時，那個影子還屬於你嗎？
受制於目前的技術門檻與軟硬體限制，這個案例暫時還沒出現在你我生活周遭。但近年來影視行業中，卻已經出現了一批又一批「受害者」。要聊這個「分身」爭議，我們必須先從目前影視行業的「數字替身」開始說起。
數字替身是什麼？
數字替身（Digi Double）是指利用掃描或圖像重建一個和真人演員一模一樣的數字形象，經常應用在影視特效。它的出現，主要是想幫我們解決這些問題：
超級英雄（人類做不到，或只能做一次的動作）
首先，影視作品裡有越來越多演員做不到的動作。早期可以透過找身形相似的替身演員協助完成拍攝，但近年來需要的動作越來越難、也越來越危險。在人權意識逐漸普及的今天，我們總不可能每拍一場跳飛機的戲，就讓一位替身演員真的跳下去，畢竟這些一輩子只能做一次的動作，做完不死也半條命，實在太費替身演員了。
返老還童、起死回生（De-aging）
我們總希望喜歡的演員可以一直演下去，但現實世界的時間，與影視作品世界的時間卻不一定同步。比方說，如果三十年前有一部《名偵探柯南》真人版，那麼三十年後想拍新的集數，當年飾演柯南的小演員，已經可以稱呼毛利小五郎為「毛利老弟」了。這時如果不想換演員，就需要De-aging的數字替身來輔助，讓演員可以驅動年輕化的數字自己。
多重影分身（群集）
你是否曾為多人張羅過出去旅遊的食宿呢？想像一下，當這個人數來到一千人，你作為劇組統籌一天要訂幾份便當、幾間房？如果又聽到導演說，「今天這場戰爭戲，我需要十萬人衝鋒！」看著手上越來越吃緊的預算，你應該會效仿諸葛村夫，叫導演一個人，兵分十萬路，自己把這場戲拍了。若拍攝前，就已經對群眾演員進行掃描、3D重建，那麼只要多複製幾組，再隨機改一下衣服的顏色、形式，數字十萬大軍隨時為你所用。
數字替身的技術方案有哪些？
我們常見的影視作品，本質上都是平面的連續圖像，作品裡的角色，沒辦法像貞子一樣，能從電視爬出來。即使是「3D電影」，它也是利用兩段速度同步，但角度略有差異的平面影像，來欺騙你的大腦，讓你以為看到的畫面能跳脫平面。
不過在製作視覺特效時，我們確實會建構出一個虛擬的三維空間出來。因為平面圖像有個致命的缺陷，那就是沒有物理上的「深度」。沒有「深度」，就表示我們沒辦法確定畫面裡物件的遠近關係。
你可能會質疑，「不對呀，我平常看平面的畫、照片或是影視作品，也能分辨誰在前、誰在後，為什麼會說沒有遠近呢？」我們之所以能在平面圖像上產生遠近的「錯覺」，其實是源於「透視」。我們的大腦，會自動把畫面中的消失點、近大遠小的物件規律，轉換成物理上的遠近關係。但這個錯覺相當脆弱，只要視線稍微偏移，遠近關係就會錯亂，我們便分辨不出物件的相對位置。如果這時有人問你偉大的航道在哪裡，無法分清遠近的你，將成為在各大IP中不斷迷失的羅羅亞索隆。
為了得到與深度相關的資訊，我們在製作視覺特效時，會把劇組拍攝的影像，轉換成一個透視相同的三維空間。在這個空間裡，會有參數設定相同的相機、和實拍光源一樣的數位燈光，以及等比例的場景、角色等。我們只要利用這台相機，在這個空間裡拍照，就會得到一張和劇組拍攝影像完全一致的平面圖像。這個在虛擬三維空間拍照到成像的過程，我們稱為算圖（Rendering）。
3D方案：三維模型（3D重建）
第一種數字替身的方案，就是想辦法在特效師電腦中的三維空間，重建一個與演員一模一樣的數字形象。如何界定「一模一樣」呢？首先，要有一樣的輪廓，五官位置、肢體比例要與演員一致。接著，要有一樣的色彩，不論是膚色、唇色、瞳色、髮色等，都要完美復刻。最後，要有一樣的表演節奏，怎麼笑、怎麼說話，必須和演員如出一轍。
要怎麼取得演員的輪廓和色彩？簡單來說，就是照相。不過不是只拍一張，是繞著演員全方位無死角地拍一堆照片，把他們的各個死亡角度捕捉下來做成迷因。但這麼做會有一個問題，在等待照片拍完的過程當中，即使演員非常敬業地保持靜止不動，但人類本能的呼吸、眨眼，甚至只是輕微的重心偏移，都會在極高解析度的鏡頭下產生微小位移。這些細微的躁動，都會導致最終合成的數據出現誤差。
這個問題的解法，非常簡單暴力。好比一個便當不夠吃，那就吃兩個；一台相機拍不到的瞬間，就用幾十台相機同時拍。而這種多角度拍攝、拼接，並計算成三維模型的技術，就是「3D 重建」（3D Reconstruction）。
然而，3D重建得到的數字替身，和當初拍攝的照片一樣，定格在按下快門的那個狀態。如果想讓它動起來怎麼辦？要百分之百的還原演員的表演節奏，你可以嘗試動態捕捉（Motion Capture）與面部捕捉（Facial Capture）。請演員穿上帶特定標記點與感測器的動捕服，以及可以捕捉表情的面捕設備，先讓演員演一遍。接著再把這些資訊，想辦法傳遞到三維空間的角色上。
當數字替身動起來後，我們只需要設置好和實拍相機、燈光一樣的參數，進行「算圖」，就可以得到一張張數字替身的圖像。接著把這些圖，拼貼到最原始的實拍畫面中，蓋住演員真正的臉或身體，那便大功告成了。
看到這裡，你一定會想，「這個方案怎麼步驟看起來那麼繁瑣，我看還是直接讓演員來演吧。」飛機該跳就跳，跳完只要說聲「我們懷念他」就好。這個念頭不只你知道、我知道，對面獨眼龍也知道，於是影視行業便發展出另一個思路完全不同的技術方案。
2D方案：換臉（像素生成）
既然影視作品的最終呈現是「平面的連續圖像」，那麼數字替身是否也直接在平面上解決就好？與其在三維空間苦苦掙扎，不如讓 2D 的問題回歸 2D。於是，基於「像素生成」的2D換臉方案便應運而生。
這個流派近年最著名的方案，便是基於機器學習的深度偽造（Deepfake）。Deepfake的核心是一個叫做「生成對抗網路」（GAN）的演算法。你可以想像電腦裡有兩個AI，一個AI拼命生成演員的照片，另一個AI拼命找碴，找出照片哪裡不像。當這個生成、找碴，再生成、再找碴的過程，持續了數萬次，最終生成的照片就能以假亂真。這個方案的出現，大大改變了影視行業。因為我們不再需要理解人體結構與真實物理世界。只要心，還有成千上萬張照片和算力，人人都能生成「特定角度」下極度真實的臉。
但問題就出在這個「特定角度」。Deepfake本質上還是在對平面影像動手腳，所以前面提到的「透視改變」問題也是它最大的硬傷。只要相機或演員運動幅度大一點，生成出來的結果便差強人意了。
2.5D方案：換臉（像素生成）與三維模型（3D重建）輔助
一個方案雖然有空間關係，但需要的步驟繁瑣、人力眾多；另一個方案雖然製作門檻低，但只要透視改變就什麼也做不了。怎麼辦呢？既然兩個方案各有優勢，特效師們腦筋也動得很快：「爭什麼爭，摻在一起做成撒尿牛丸呀！」
目前影視行業最常見的解決方案，就是利用三維重建的演員模型與相機當作基底，保證透視正確，再把Deepfake生成的像素級結果，貼到三維模型上。如此一來，數字替身便能自由自在地在畫面中跑跳，又能擁有以假亂真的結果。
給貓的總結
不管是哪個方案，想製作貓的數字替身，我們都需要先拍照。
來，站好，不要動！好啦，先不要蹭我！等等......
唉，真拿你們沒辦法。
