← BACK TO ARCHIVE
Cinematography

好画面如何形成

• ADUCG RESEARCH

好画面如何形成

引言

是的，又是我。带着同一个话题回来了。自从我 2021 年 9 月的上一篇文章以来，我学到了一些东西，想与大家分享。这又是关于什么的呢？嗯，它有很多名字：

  • 显示变换
  • 视图变换
  • 输出变换
  • 显示渲染变换
  • 色调映射
  • 查找表
  • 印刷胶片模拟

在这篇文章中，我将使用一个我认为更合适的名称：图像形成。

过去二十年，场景参考/显示参考的工作流程已被证明是成功的。但有趣的是，这个工作流程似乎忽略了我们流程链中的一个重要步骤。图像是在哪里形成的？

缺乏描述图像的恰当术语是我们行业最大的问题之一。而这正是我们需要正确命名这个“机制”的原因。让我们看一个简单的图表：

160_pictureFormation_0010_colorManagement_FHD

构成图像外观的绝大部分元素几乎与显示设备无关。只有一小部分变换与显示相关。这就是为什么将其视为由两个组成部分构成是很有趣的：图像形成和显示编码。

图像形成不仅仅是“将数据显示在屏幕上”，它是在构建关于创意图像外观的美学决策。根据我的经验，它将对你项目的质量产生最大的影响（无论是积极的还是消极的）。因此，我对此非常着迷。

任何关心自己艺术的人，都会寻求自己技术的本质。
— Dziga Vertov

为什么这很重要？

我们每天花超过 8 小时在显示器前“凝视”图像，但我们很少问自己这些图像是如何工作的。花一分钟想想。大多数艺术家（甚至主管）都认为在查看器中显示他们的作品是“自动的”。

这与事实相去甚远。简单地说：地球上还没有人完全弄清楚这一点。有过几次尝试，或多或少取得了成功，仅此而已。而我们目前的赢家，即“顶级掠食者”，是上世纪开发的化学胶片处理工艺。

160_pictureFormation_0020_rocketLaunch_FHD

为了说得非常清楚，在 CG 工作流程中，我们并不是在绘制像素。这不像 Photoshop，你选一个颜色，它就“自动”显示出来。对于纹理来说可能是这样，因为它们的范围在 0 到 1 之间。但对于 CG 渲染则不然，我们的灯光和全局光照允许更复杂的场景和更高的数值。

在深入分析之前，我只想强调，选择合适的图像形成将是你在一部作品中可以做出的最重要的决定。因为你给出的每一个艺术指导都将依赖于它：

  • 评估材质的粗糙度。
  • 评估毛发着色器的颜色。
  • 评估镜头的正确曝光。
  • 评估交付物的镜头光晕和噪点。

所以，你把这个决定做得越好，你的制作就会越容易。就这么简单。

“最终图像是由色调映射和显示设备塑造的，而不是由原始渲染决定的。我们将色调映射视为基于物理的渲染过程的核心部分。”
— Hajime Uchimura (摘自 Gran Turismo 7 Siggraph 2025 演讲)

本文基于我在全 CG 作品中的经验。其目标是提供一个指南，帮助主管为他们的项目选择“最佳”的色彩管理工作流程。它主要适用于动画电影和电子游戏，但其基本原理也适用于任何视觉特效工作。

我们的显示器是立方体

大多数关于色彩管理的网站（包括 我的）都是从查看“刺激数据”（输入和/或渲染）开始解释的。但这次，我想反过来做。我们将从“最终目标”（我们的显示器）开始，然后往回推。

（第 2/15 段）

因为我们是通过屏幕来查看一切（镜头、资产、渲染、播放预览…）的！

基本上，一台显示器可以表示为一个立方体：

  • 一个立方体有 6 个面，对吧？
  • 那么想象一下，R、G、B 各有 3 个通道，发射强度从 0% 到 100%。
  • 然后再想象 C、M、Y 各有 3 个通道，发射强度从 0% 到 100%。
  • 最后，想象一个角是 (0,0,0)，另一个角是 (1,1,1)。

这最终形成了一个立方体。这就是你的显示器。

160_pictureFormation_0030_display_FHD

现在请注意，这一点很重要。无论你的显示器有多好、多贵或多花哨，它只能显示 0% 到 100% 的范围。仅此而已！一个立方体！

没有魔法：显示器有其自身的物理限制。

让我们从简单的开始

此时，你可能想告诉我：“Chris，你又把事情搞复杂了。我只是想在显示器上显示一个 exr 渲染文件。仅此而已。” 当然！让我们拿一个 exr “HDR” 渲染文件来显示。

160_pictureFormation_0040_lightSabers_FHD

第一个问题来了：为什么它看起来不对（或者很暗）？

这是因为我们的显示器应用了一个“EOTF”。对 EOTF 最简单的解释是，它类似于应用了一个“伽马下调”（在大多数情况下约为 0.45 左右）。这是硬件的一部分，我们对此无能为力。所以我们需要在软件中进行补偿。结果如下：

160_pictureFormation_0050_lightSabers_FHD

第二个问题来了：为什么它看起来还是不对？

嗯，我们正在用一个简单的“Gamma 2.2 函数”（EOTF-1）来显示一个“场景线性”的 exr 文件，这意味着任何大于 1 的值都会被直接裁切掉。因为请记住：

  • 我们的 exr 文件的值远大于 1（技术上，在 16 位半精度浮点数下，它可以达到约 65504）。
  • 我们的显示器只能显示 0 到 1 的范围。

希望此时我们都能看到我们试图解决的问题。我们需要某种操作，能够将“高动态范围数据”忠实地表示在“标准动态范围显示器”上。

也许现在你想补充：“Chris，我知道这个。我们需要使用某种 S 形曲线才能在显示器上正确显示线性 exr 文件。” 嗯，这在一定程度上是对的。让我在这里引用 Cinematic Color 的话：

“真正的朋友不会让你在没有‘S 形’视图变换的情况下查看场景线性图像。”
— Jeremy Selan

那么，让我们通过 Sony Pictures Animation（2010 年）创建并在 Cloudy with a chance of meatballs、Surf’s Up、Arthur Christmas 和 My little Pony 中使用的“spi_anim”配置来查看我们的图像：

160_pictureFormation_0060_lightSabers_FHD

第三个问题来了：为什么它看起来还是不对？

自 Cinematic Color（2012 年）撰写以来，已经过去了好几年。我们现在知道，“S 形曲线”只是构成正确图像形成的不同必要元素之一。我们的图像现在对比度更高了，但为什么它感觉起来…不那么“电影感”呢？

（第 3/15 段）

那么，我们的光剑在“Filmic”配置下会是什么样子呢？这种画面构成是由 Troy Sobotka（2017 年）开发的，并曾用于 Next Gen 和 The witness。

160_pictureFormation_0070_lightSabers_FHD

那么第四个问题来了：为什么看起来还是不对？

好吧，我们取得了一些进展。光剑现在变白了，对比度似乎也与我们之前的尝试一致。但不知为何，我们的角色没有任何立体感。看起来我们所有的数值都以某种方式坍缩了，就像完全失去了色调层次。

好吧，我们为什么不最后再试一次呢？这次我将使用 2025 年发布的一种新的画面构成，我们称之为“候选方案 A”：

160_pictureFormation_0080_lightSabers_FHD

那么我们的最终问题来了：你觉得这张图怎么样？

现在，如果你是一位总监，你能想象如果图像没有经过恰当的构成处理，你会给艺术家多少修改意见吗？这就是我们在此讨论的关键所在。

为了清晰起见，我们来做个总结：

  • 我们已经看到，我们的显示器本质上是有限制的设备。
  • 我们展示了同一个 EXR 文件五次：“无”、“Gamma 2.2”、“spi-anim”、“Filmic 极高对比度”和“候选方案 A”。
  • 我们已经看到，简单的伽马函数不足以正确显示 HDR 图像。
  • 我们观察到，不同的画面构成会产生不同的结果。无论好坏。

如果你同意以上几点，让我们继续。

如果你熟悉我之前的文章，那么到目前为止你应该还没有学到什么新东西。这主要是一个回顾。

那么 ACES 1.X 呢？

可能读到这里，你会想指出：“Chris，你为什么又要重新发明轮子？ACES 已经在大多数 DCC 软件中实现，为行业提供了色彩管理的标准。”

首先，提醒一下，我已经写过关于 ACES 1.X 缺陷的文章，并在 2021 年向学院反馈过。而且我不是唯一一个，因为早在 2017 年就发布了一份关于 ACES 1.0.3 的重要反馈，名为“ACES 回顾与改进”。

另外，我同意 ACES 主要给行业带来了三件好事：

  • 它让人们关注到色彩管理的重要性。
  • 它提出了 IDT 的概念。
  • 它为工作室之间提供了一个公认的交换色彩空间（ACES2065-1）。

基本上，如果没有 ACES 论坛，我就不会写下这些文字。所以，谢谢！

那么，我们为什么不看看我们的光剑在 ACES 1.X 配置下的样子呢（该配置由 AMPAS 于 2016 年创建，并用于 Super Mario、Migration 和 The Wild Robot）？

160_pictureFormation_0090_lightSabers_FHD

我在这里的主要评论是，我们的颜色发生了偏移。后面的光剑呈现紫色，Mery 身上的是橙色，而我们心爱的僵尸身上的是黄色。我们稍后会看到为什么色调偏移是必要的，但这里的问题是，它们是变换的副产品。你无法避免它们。

也许此时，你想回复：“Chris，这个渲染图显然使用了 sRGB-BT.709 原色。为什么不使用 ACEScg 原色呢？”当然，让我们试试看。

160_pictureFormation_0100_lightSabers_FHD

（第 4/15 段）

让我感到有趣的是，这张 ACES 图像看起来与使用 Filmic 形成的图像很相似。当然，它们使用了不同的刺激数据，但这表明 我们又回到了起点。我们还没有解决任何问题（至少目前如此）。

请仔细检查上面的这两张图片，然后问问自己：“这些例子看起来像是经过色彩管理的吗？” 或者换个说法：“在这一点上，色彩管理到底意味着什么？”

预判一些反馈

我已经可以预见到目前为止这篇文章会引发的三种反应。让我们看看能否解决这些担忧。第一种是：“Chris，你的光剑例子是个极端情况。并非所有的 exr 文件都有这种极端数据。”

我的观点如下：

  • 不存在极端情况。我们拥有的都是包含“光数据”的 exr 文件。即使是在一个追求“自然”外观的项目中，我也遇到过很多画面形成被推到极限的情况。你不需要光剑或花哨的霓虹灯就能看到其潜在的局限性。
  • 另一种说法是，“极端情况”极其重要，因为它们揭示了完整的故事。它们只是让画面形成的潜在缺陷变得明显，并帮助我们更容易地识别其中的模式。

下面这张图是基于“波长”刺激数据形成的，我觉得它最能说明我上面想表达的观点：

160_pictureFormation_0110_waveLength_FHD

我经常听到的第二个论点是：“Chris，调色师会修复这些瑕疵。这是他们工作的一部分。” 例如：

我认为有时候人们过于执着于让每一张未经转换处理的图像都完美无瑕。要知道，我们有调色师参与其中，可以对有问题的图像进行各种其他处理。
— 一位色彩专家

我的回答如下：

  • 有时候，我们似乎已经放弃了形成正确画面的目标。我们的目标应该是提出一种“良好”的画面形成方式，让调色师能够专注于他们的创作目标，而不是忙于修补。
  • 另外，你能想象在一次与导演的审片中，我说出类似“调色师会在 DI 阶段修复它”这样的话吗？我可能会被解雇。在全 CG 制作中，我们期望交付的图像看起来是“正确”的。

例如，我可以用来自《The Grinch》的 exr 文件复制上面完全相同的演示。然后我们可以问自己：“灯泡是极端情况吗？ 调色师应该修复灯泡吗？”

160_pictureFormation_0130_grinch_FHD

第三个论点可能是：“Chris，我知道你能展示出那些明显出问题的图像。但是，显然有很多节目和项目都是在 ACES 1.X 标准下交付的，我不能说我注意到任何疯狂的问题。”

我的回答如下：

  • 我在 2021 年已经解释过：大多数声称是 ACES 项目的电影，实际上只是将他们的素材编码为 ACES 2065-1，并使用了他们自己的画面形成方式（而不是 ACES 输出变换）。
  • 对于那些确实使用了 ACES 输出变换的项目，以下是我能找到的一些最极端的例子（来自 The Wild Robot）：

（第 5/15 段）

160_pictureFormation_0190_wildRobot_FHD

此时我准备好接受的一个反馈是：“Chris，你提到过几次‘看起来不错’。但‘不错’到底是什么意思？”

很好，我们说到点子上了。这正是我想在这里回答的问题，通过提出客观标准，而不是像通常那样依赖主观的“黄金眼”。那么，让我们继续前进。

我的画面构成要求

首先，必须承认不存在完美的画面构成。这是一个权衡的游戏。如果你优化了一方面，就会牺牲其他方面。例如，你可能偏爱饱和度胜过“平滑度”，或者追求准确的反转而非“悦目”的画面。

我花了几年时间才找到这些要求。它们是通过比较数百张图像在不同画面构成下的效果，并在网上讨论得出的。在深入探讨之前，我将分享一些正确评估它们的技巧：

  • 尽可能在多种多样的素材上进行测试。你的样本越广泛越好。
  • 尝试大幅增加曝光。推动极限非常重要。
  • 尝试调色。我们所有的工作都是在画面构成之下完成的，所以我们不应该与之对抗。
  • 我从不测试可逆性，因为在全 CG 工作流程中我们不需要它。这让我们的事情变得简单一些。
  • 持续与其他 LUT 进行比较至关重要。因为我们必须对抗视觉适应。

视觉适应 意味着如果你长时间盯着一个图像看，它最终会开始看起来不错。这是因为我们的视觉系统会不断适应我们所看的东西。

它不应破坏视觉认知

这是我的主要要求。在一部有数百名艺术家参与的动画长片中，你无法承受一个会破坏视觉认知的画面构成。因为你将不断地与之对抗。

想想你喜欢的图像（来自电影或电视剧）。我敢打赌它们都有一个共同点：它们没有破坏视觉认知。

定义视觉认知并非易事：我曾经尝试过一次但失败了。所以让我从我能想到的最简单的例子开始：一个渐变（或色阶）。

如果我们都能同意一个渐变看起来应该像一个渐变，那么也许我们可以继续前进。是的，我能想象你会说：“但是 Chris，你疯了吗？你到底在说什么？当然，色阶看起来应该像色阶！”

假设我想为一个镜头中的天空制作一个蓝色渐变。像这样（这是“候选方案 A”）：

160_pictureFormation_0220_blueGradient_FHD

这个渐变使用 BT.709 蓝色原色，从 (0, 0, 0) 到 (0, 0, 20)。现在，让我们看看同一个渐变在 2025 年发布的另一种画面构成下的效果（暂时称之为“候选方案 B”）：

160_pictureFormation_0230_blueGradient_FHD

如果你的显示器校准正确，你应该会看到一条线切断了过渡。一个中断。对于一个渐变来说，这并不理想，对吧？现在想想我们在 CG 中必须处理的所有渐变：

（第 6/15 段）

  • 天空？一个渐变。
  • 高光粗糙度？一个渐变。
  • 光泽反射？一个渐变。
  • 散焦？一个渐变。
  • 辉光？一个渐变。
  • 光线衰减？一个渐变。
  • 遮挡衰减？一个渐变。
  • 体积各向异性？一个渐变。
  • 聚光灯锥角？一个渐变。
  • 次表面散射？一个渐变。

你可能会想：“为什么我们要花这么多时间讨论渐变？所有这些都挺明显的……” 好吧，你无法想象要达到这个共识需要付出多少努力。因为在辩论中，一位色彩“专家”可能会提出这些不同的解释：

  • 但是调色师可以修复它。
  • 但是 BT.709 蓝色原色是个边缘情况：天空永远不会是那种颜色。
  • 但是这种图像形成过程能完美反转吗？

为了让你理解这种颠覆可能带来的后果，我下面分享一个使用 BT.709 蓝色原色作为灯光颜色的 CG 渲染图。如果你仔细观察光泽表面，你会发现一条硬边（比如在桌子、镜框和人脸上）。

160_pictureFormation_0232_blueMirror_FHD

与渐变图像类似，我将分享另一个简单的例子：球体应该看起来像球体。希望我们也能就此达成共识！

160_pictureFormation_0240_spheres_FHD

在上面的例子中，球体是纯蓝、纯红和纯黄的 BT.709 色度。平面是绿色的 BT.709 原色。如果你仔细观察，球体在“候选方案 A”下具有更好的形状感。

我个人喜欢用非常简单的例子来触及问题的本质。与更复杂的刺激数据相比，它们也让我们试图识别的方面更加明显。视觉认知是如此难以理解和解释，我认为最好的方法是尽可能地保持简单。

如果你喜欢一些令人费解的想法，这些渐变和球体的例子归根结底是相同的。一个渐变难道不就是从俯视图看到的圆柱体吗？

它应保留色调

在这一点上，我可以想象一些反馈：“但是 Chris，这很简单。你是在用色度换取亮度。候选方案 A 看起来饱和度较低，可能无法达到显示器的原色。”

我的回答是：“是的，你说得完全正确。还记得我之前谈到的妥协吗？在我看来，这是主要的妥协之一：在图像形成过程中，色调不能被妥协。” 如果达到显示器原色是它的障碍，那么这是我愿意接受的权衡。

你还记得之前的光剑例子吗？有些图像完全失去了色调？早在 2021 年 2 月，Jed Smith 在 Nuke 中分享了一个可视化效果，让这个问题很容易理解。我认为值得再次分享：

140_misconceptions_1230_gamut_visualization_FHD

中讨论过“色调”的含义，这里就不再赘述了。但我可以说的是，我们并不需要达到显示设备的色域三原色（即我们之前看到的立方体的角落）来获得色彩丰富的图像。

例如，下面这款视频游戏使用 AgX 作为画面形成方式（它并未达到显示设备的三原色），但它看起来确实色彩丰富：

相信我，我花了很长时间才迈出这一步。我来自动画背景，我们的图像通常饱和度极高。但这不是正确的方法：色调是避免认知失调图像的关键组成部分。否则，我们为什么称之为“色调映射”呢？

我将用另一个例子来结束这一段。我认为它能很好地总结我上面关于视觉认知和色调的两个观点：

160_pictureFormation_0260_spheres_FHD

以下是总结：

  • 这些球体具有 ACEScg 的三原色和二次色。
  • “候选方案 A”比“候选方案 B”保留了更多的色调。
  • 使用“候选方案 B”的红色和黄色球体看起来不像球体。

如果你仍有疑虑，我添加了一张灰度图像，因为那是我们色调的“参考”。当你移除颜色时，我们 99% 的问题基本上都消失了。我们唯一的基准是灰度图像。所以请仔细比较这两张图像，问问自己：“哪一个更接近我们的基准？”

因为我们这里的主要问题是，没有人明确定义色调或“色调”到底是什么？是亮度、明度、光亮度、辉度还是值？实际的度量标准是什么？

一个真正帮助我前进的解释是，色度和亮度处于同一平面上。因此，必须存在某种权衡。而试图达到显示设备色域的角落不应优先于形成“悦目”的图像。

它应该是平滑的

这个要求与前两个非常相似且相关，但我认为值得花点时间讨论一下。

160_pictureFormation_0290_eiskoLouise_FHD

（第 8/15 段）

上面的素材极大地帮助我评估了不同的画面构成。这是 Eisko Louise 模型 的渲染图。我尝试用聚光灯和体积光以最全面的方式照亮这个场景。

需要明确的是，是的，这与斜坡测试相同，但这是在 CG 渲染中进行的。希望它能更清晰地展示，如果画面构成不够扎实，可能会出现的问题。

最明显的区别当然是光源本身，色调的破坏已经打破了视觉认知。在红色的例子中，我们甚至可以在光源周围发现一些 马赫带。

但我建议你也仔细比较一下两个候选方案中 Louise 的额头、脸颊、嘴唇和下巴（任何光线直接照射的地方）。很惊人，对吧？

不应超过 g0 阈值

在解释这个要求之前，我们应该定义什么是 g0 阈值。有趣的是，这个要求在 ACES 2.0 文档工作区中被提及：

对于低饱和度物体，高光应在某个点去饱和，而对于明亮且饱和的物体（例如霓虹灯、汽车尾灯、光剑等）则去饱和程度应较低——（我们如何确定这个阈值？——这纯粹是主观的吗？我们能使其客观化吗？）
— 输出变换架构虚拟工作组

即使措辞不是非常精确，但意思已经表达出来了。当你增加图像的曝光时，如果画面构成设计不当，反射物体会看起来像是在发光。这意味着你已经超过了 g0 阈值。

这个概念最初来自 Ralph M. Evans，他是一位曾在伊士曼柯达公司工作的物理学家。

当亮度从 G0 开始增加时，明度和色调继续增强，并且在中心刺激中出现了一种新的感知……最好将其描述为……仿佛它是荧光的。
— Ralph M. Evans，引用于芒塞尔色彩科学实验室的 这份 pdf

测试这一点的一个简单方法是查看图像的 不同曝光条带。这就是我理解为什么 g0 阈值如此重要，以及“通往最大亮度的路径”是画面构成的关键部分的原因。

160_pictureFormation_0330_legoSailors_FHD

如果你仔细观察我们乐高水手的腿部，你会发现它们在“候选方案 B”中看起来像是在发光。而这个小人偶的材质显然没有任何发光属性！是的，两张图像之间只有细微的差别，但我发现这个阈值是衡量画面构成质量的一个非常好的指标。

如果一个明显是反射物体的东西突然看起来像是在发射颜色，那看起来就不自然。这是 Evans 提出的一个基于感知的阈值，命名为 g0。
— Daniele Sigarusano 在 这个视频 中

160_pictureFormation_0350_grinch_FHD

（第 9/15 段）

与上述观察相同。如果你观察摩托车和边车，它们在“候选方案 B”下看起来像是自发光的。这对于反射性（或本例中的金属）物体来说是个问题。

请记住，没有边缘情况。所以要充分利用这些曝光条纹，仔细比较你的素材。曝光条纹对于评估图像形成过程非常有帮助（正如你在 Liam Collod 的图片实验室网站 上看到的那样）。

g0 阈值或许可以重新表述为“一个合理的纯度/曝光比”，这有时被称为“画面曝光”。

不应破坏极性

这个要求有点难以解释，但它与 g0 相关。可以这样定义：“在能量相等的情况下，一种颜色不能比其对应的消色差值显得更亮。” 基本上，色度强度不能超过消色差强度。因为一图胜千言：

160_pictureFormation_0370_polarity_FHD

如果你真的仔细观察高光区域，你应该会看到“候选方案 B”的高光周围有一圈暗环。这基本上……是梯度的又一次破坏！就好像球体的红色在强度上超过了白色的高光。

也许此时你在想：“哇，Chris 真的疯了。我们居然在挑剔一个红色球体的高光……” 但我可以向你保证，所有这些要求都很重要，并将帮助你提高工作质量。以下是我能找到的最极端的极性示例：

160_pictureFormation_0390_smekal_FHD

现在请注意，因为接下来会变得非常有趣。还记得我之前是如何对球体示例进行去饱和处理的吗？那是在图像形成之前进行的调色。这里我将进行同样的操作，但是在图像形成之后。请看：

160_pictureFormation_0403_smekal_FHD

160_pictureFormation_0410_explosion_FHD

如果你想了解更多关于极性的话题，可以深入阅读这个帖子。

它不应是色度线性的

你注意到上面爆炸图像中两个候选方案之间的颜色差异了吗？这就是这个要求所关注的。不知何故，我们需要不同色调在其“通往白色的路径”上有所偏离（我过去称之为**“色调偏移”）。否则，一个“**中性”的图像形成过程会让火焰看起来像鲑鱼色：

160_pictureFormation_0430_filmFire_FHD

在我看来，色调路径的弯曲对于形成悦目的图像是必要的。是的，我能听到你对我大喊：“但是 Chris，你在说什么？我在场景中设置了一个颜色，结果屏幕上显示的是另一个？”简短的答案是：“是的，我们需要这个。我们绝对需要这个”。

让我们稍微回溯一下。早在2020 年 11 月，我曾指出 ACES 1.X 中关于色调扭曲的问题。而差不多五年后，我似乎完全改变了主意。我理解这种困惑。让我试着总结一下：

  • 我们绝对需要在图像形成过程中加入精心设计的色调路径弯曲。
  • ACES 1.X 的问题在于，它们只是变换过程中的一个意外结果。

就像我们之前的图像一样，你可能会注意到，使用“候选方案 B”时，火焰呈现出“鲑鱼”色：

160_pictureFormation_0450_fire_FHD

160_pictureFormation_0490_huePaths_FHD

这张来自维基百科的图表展示了 CIE 1931 色度图中的纯度-色调关系。如你所见，在这个问题上并没有共识。同样值得指出的是，这些研究测量的是简单的均匀色块刺激，并基于这些测量结果做出概括性假设。

它们对于像图像这样的复杂刺激完全没有说明。

另外提个问题，你能想象我们试图解决的问题有多复杂吗？这张图是一个实际 3D 模型的俯视图，其中每种颜色都必须以特定的速率沿着特定的路径下降……这简直疯狂。

它必须尊重空气材质（例如大气）

这是另一个难以解释的要求，它也围绕着 g0 和极性的概念展开。但基本上，观察带有体积效果（如薄雾、烟雾或雾气）的图像是绝对迷人的。

如果画面形成过程没有得到恰当的工程化处理，你可能会看到物体以意想不到的方式“穿透”大气层。

160_pictureFormation_0500_airMaterial_FHD

因为体积效果本质上是一种加法（或偏移），如果其背后的机制不尊重这一点，就会变得相当明显。以下是一些实拍例子，在一个夜店场景中，根据画面形成机制的不同，人群中某个成员可能会“穿透”体积效果：

160_pictureFormation_0520_fmatas_FHD

160_pictureFormation_0560_treesAtmos_FHD

有趣的是，你可能会通过任何透明物体（比如一杯牛奶、一道辉光或一些烟雾）观察到这种现象。所以请留意这些情况！

如果你想深入了解，可以阅读这个帖子。

它应适配立方体

还记得我们在文章开头讨论过，我们的显示器基本上就是立方体吗？那么，一个好的测试就是检查你形成的图像如何适配（或不适配）它们。这可以让你直观地看到是否存在任何扭结或中断，是否触及了角落，渐变是否平滑……

160_pictureFormation_0580_display_FHD

我认为这是一种有趣且互补的检查方式，可以验证事情是否按计划进行，但它不能替代实际的图像观看。

这是我清单上的最后一个要求。正如你所见，这些要求很大程度上都指向了形成一个悦目的图像。这实际上就是我的主要目标。当然，还有其他因素在起作用，比如 SDR/HDR 行为以及对广色域色彩空间的支持。

但我要最后再说一遍：所有这些都不应违背我们制作精美图像的主要要求，因为我们是……图像制作者！

那么我们有哪些选择？

自 2017 年以来，我们对画面构成有了很多了解，新的色彩管理工作流程也相继出现。我尝试列出了主要的几个：

名称作者日期备注
ARRI K1S1Harald Brendel2011地球上使用最广泛的 LUT（ARRI Alexa 工作流程）。
ACES 1.0AMPAS2016由电影艺术与科学学院开发的色彩编码系统。
FilmicTroy Sobotka2017原始 Blender 色彩管理，用于这部电影。
RED IPP2Graeme Natress2017RED 图像处理管线，解释见此处。
Sony VeniceSony / Picture Shop2022与 Picture Shop 合作制作的 LUT 文件。
ARRI RevealSean Cooper2022新的 ARRI Alexa35 工作流程，描述见此处。
TonyTomasz Stachowiak2023一个冷静的显示变换。
AgX BlenderEary Chow2023Blender 色彩管理，用于这款视频游戏。
TCAMv3Daniele

（第 13/15 段）

它们都可以通过 OCIO 获取，并且各有优缺点。但希望这篇文章能给你提供正确评估它们的钥匙。

我几乎能听到你问：“但是，嘿，Chris，你打算让我们蒙在鼓里吗？那候选方案 A 和候选方案 B 呢？” 好吧，这么说吧：在 2025 年，有两种画面形态发布了，考虑到我推荐 openDRT……我会让你猜猜哪个是哪个。

那 OpenColorIO 呢？OCIO “仅仅”是一个容器。基本上，OCIO 是允许我们在 DCC 软件中轻松加载 LUT 的软件。真正起决定作用的是“内容”（你放进 OCIO 里的东西），而不是容器。

关于 ACES 的话题

我猜你可能会问一个合理的问题：“嘿 Chris，你对 ACES 有什么看法？” 我思考这个问题已经有一段时间了，我会尽力解释清楚：

  • 有一个到处都实现的色彩管理标准是件好事。它给知识不多的艺术家提供了一个起点。
  • ACES 实际上是我进入这个奇妙的色彩管理世界的切入点，我在他们的论坛和会议上遇到了最了不起的人。

但问题在于：

  • 因为它是目前唯一开源的色彩管理标准，并且来自“电影艺术与科学学院”（AMPAS），所以没有人质疑它。
  • 而且因为色彩管理对大多数 VFX 行业来说仍然是一个黑匣子，艺术家们只是盲目地接受它很棒，并在不了解其问题的情况下使用它。

我听过多少次这样的话：我们想用 ACES，因为它是一个标准。

但不知何故，从来没有人问过：“这个标准能给我们带来什么？”（Troy Sobotka 实际上尝试过但没有人回答他）。停下来想一想。你真的认为一种单一的、独特的画面形态可以在整个行业中使用吗？你为什么希望你的电影看起来和所有其他电影一样？

我将再次分享这句真正拓宽了我对这个问题的视野的引述：

我无法理解为什么有人会希望限制他们所有的制作都使用相同的输出变换。这就像限制制作只能使用一台相机一样。纪录片、故事片、动画、手绘，它们都有自己独特的挑战。你认为如果学院标准化了化学配方，电影在过去 100 年里还会蓬勃发展吗？相反，学院标准化了传输机制。35mm 胶片齿孔。而这正是正确的做法。人们可以创新和互换。 — Daniele Siragusano

如果整个行业都使用相同的色彩管理，存在质量趋同的风险。而且因为 ACES 来自 AMPAS，诉诸权威的现象非常真实。有多少艺术家、高管和总监认为 ACES 是唯一有效且安全的解决方案？

下面的这张图片（来自一个 Renderman 视频）完美地说明了营销与现实之间的完全脱节。在这个例子中，这些“标题”实际上一个都看不到，但在这个后真相时代，谁真的会看这张图并在乎呢？

160_pictureFormation_0600_renderman_FHD

曾经有一个关于 ACES 2.0 的提案，旨在向其他输出变换（称为“元框架”）开放系统，但它被技术咨询委员会（TAC）和…… Netflix 拒绝了。关注这个话题很有趣，因为它引发了各种各样的问题，比如“如果一个项目只使用 ACES 的一个组件，它还能算作 ACES 项目吗？”

你认为 Netflix 为什么反对它？他们大力倡导 ACES，因为使用一个标准更容易与数百家供应商打交道。因为这样更便宜。间接地，ACES 已经成为了一种强加的规范以降低成本。而且因为它只允许 ACES 输出变换，它限制了创造力和创新。

最后，让我问你：当有更好的选择时，你为什么还要使用 ACES？你应该为你的项目瞄准最好的色彩管理工作流程，而不一定是一个“标准”。

160_pictureFormation_0610_redXmas_FHD

（第 14/15 段）

你永远不会遇到一个推荐 ACES 1.X 的摄影指导、调色师或数字影像工程师。

关于 ACES 2.0 的看法

我只想分享一些关于 ACES 2.0 的最终想法。我对那个不可思议的团队唯有敬意，他们在四年多的时间里（从 2020 年 12 月 2 日到 2025 年 3 月 12 日）举行了 184 次会议。他们都是顶尖的色彩专家和经验丰富的总监。

但他们被赋予了一项不可能完成的任务：设计一个完全可逆的图像形成流程，它应该能够达到显示原色并“开箱即用”地形成“悦目”的图像。不幸的是，这些要求是相互矛盾的，并且使团队走上了错误的道路。

我们曾多次尝试警告他们并分享我们的担忧。但涉及的各方太多，以至于我们的声音无法被听到。不知何故，团队忘记了我们本应追求的主要目标：为未来的世纪创作美丽的画面。

我甚至可以指出导致团队偏离其崇高追求的三次会议：

  • 第 26 次会议，2021 年 9 月 15 日：讨论了元框架提案。
  • 第 27 次会议，2021 年 9 月 29 日：TAC 会议后，Netflix 对元框架提出了反对意见。
  • 第 29 次会议，2021 年 10 月 27 日：CAMs 被引入团队，因为“ACES 是科学”。

这是团队偏离轨道的转折点。因为 ACES 试图满足所有人的所有需求，结果却变成了一个过度复杂且平庸的图像形成流程（一个“万金油”）。

标准和专业组织受利润和效率驱动。这与艺术是不相容的。

为了清晰起见，我重申一遍：虚拟工作组的成员是顶尖的，真正的问题在于要求（以及其背后的政治力量）。那么，ACES 2.0 能形成图像吗？是的，完全可以。例如，它已被用于这部电影：

但对于艺术家来说，它是一个好的起点吗？我表示怀疑。甚至 Luke Hellwig 在一次会议中也提到，他的研究工作（即 ACES 2.0 所基于的那个声名狼藉的 CAM）不一定适用于图像形成流程！

关于 OpenDRT

自从 OpenDRT 在 2022 年 4 月从 ACES 2.0 候选方案中撤回后，我一度以为它的开发被取消了。但 Jed 没有停止。他继续努力，在 2024 年圣诞节到 2025 年 3 月期间，大约发布了 50 个测试版本，直到 1.0.0 版本发布。

在设计 OpenDRT 1.0.0 时，我们没有考虑“中立性”（无论这意味着什么）的要求，也没有考虑图像应该是“我们身临其境的场景”的再现。我们认为这些要求与我们的目标完全无关（就像某种完美的可逆性一样）。

我自己也曾陷入这些思维陷阱，在花费数年时间试图弄清楚它们之后，我得出了这个非常简单的结论：在图像形成方面，这些要求无关紧要。我知道这个主张可能与行业内的某些趋势相悖，所以我只想分享最后一段引文：

我知道，大多数人，包括那些能够轻松应对最复杂问题的人，也几乎无法接受最简单、最明显的真理，如果这个真理会迫使他们承认自己曾乐于向同事解释、自豪地传授给他人、并已一丝一缕地编织进他们生活结构的那些结论是错误的。 — Leo Tolstoy

本文的主张并非说 OpenDRT 是完美的终极图像形成方案。因为地球上还没有人弄清楚色彩是什么。本文的主张是，它是唯一一个开源解决方案，能够赋予图像创作者创造自己美学的能力。

160_pictureFormation_0730_portraits_FHD

例如，在本文中，我使用了 OpenDRT 的一个调整版本，而不是预设之一。在我看来，这才是它真正的价值所在。向用户公开的不同模块（色调曲线、纯度、亮度和色相偏移）提供了所有所需的灵活性和控制力。

结论

希望至此我已经表明，认为一种图像形成流程能适合所有项目是种幻想。这个想法是可怕的，因为它质疑了 ACES 输出变换存在的根本。

图像形成是一件精细的事情，这是一门需要认真、谨慎对待的技艺。就像真人项目通常在前期制作中，由摄影指导、每日样片后期公司和数字影像工程师协作确定现场 LUT 一样，全 CG 动画也应该采用类似的过程。

因为现场 LUT 会影响现场布光、场景设计和服装决策！在一个一切旨在降低制作成本的时代（例如 AI 和强制标准化），作为图像创作者，我们有责任进行抵制。

“图像形成”是制作流程中我不会标准化的唯一环节。但这并不容易实现，因为 ACES 几乎已经无处不在，而且它的宣传相当强大。

（第 15/15 段）

总而言之，本文讨论了如何塑造图像数据，以及数据塑造错误会导致哪些认知上的怪异现象：

  • 如果数据“撞击”到显示立方体，你会得到梯度中断。
  • 如果数据在纯度增加时没有向下弯曲的趋势，你会得到 g0 阈值中断。
  • 如果纯度没有被“压缩”，就会出现“表面与大气感知”的中断。
  • 如果数据在强度增加时没有弯曲，颜色看起来就不再是“正确”的颜色了！

如果你仍然觉得我分享的例子（因为它们太简单或是全 CG 制作）不足以让你信服，我在下面添加了一些实拍素材，我们可以在其中发现类似的问题。希望你现在已经掌握了正确的术语和洞察力，能够识别并命名这些问题。感谢阅读！

160_pictureFormation_0790_example_FHD

最后的话

为了给文章提供更多背景信息，补充几点：

  • 所有图像都已编码为 sRGB 显示（使用幂伽马 2.2 函数）。
  • 细心的读者可能已经注意到，我没有提及“外观”（也没有提及“外观修改变换”）。

我简要解释一下为什么在文章中没有提及它们：

  • 事实证明，进行场景参考的调色操作是一种有效的工作流程。
  • 但要生成一个合适的外观并非易事。你需要好的调色工具才能做到。
  • 此外，在图像形成之前操作数据也有其自身的局限性。

这就是为什么我觉得 openDRT 1.0.0 的参数化方法如此强大。因为归根结底，一切都归结为：变换应该帮助艺术家完成他们的工作。如果图像形成过程出了问题，你能做的就非常有限。

最后，我并不是说 openDRT 会是 ACES 2.0 输出变换的更好选择。我想说的是，认为一种图像形成方式就能适应所有项目和需求是不切实际的。我们不应低估这种决定可能带来的后果。

致谢

如果没有这些独一无二的杰出人士的帮助，我不可能写出这篇文章：

  • Troy Sobotka（又名“创意工厂”，本文 90% 的想法都源于他）
  • Jed Smith（又名“固执的建造者”，基于这些原则构建了 openDRT）
  • Zach Lewis（又名“瑞士军刀”，在整个过程中耐心地支持我们）

我还想提及 ACES 2.0 虚拟工作组，他们为我们提供了独特的学习和分享机会：Alex Fry、Nick Shaw 和 Kevin Wheatley。

参考资料

本文采用 Creative Commons BY-NC-ND 4.0 协议进行授权。

BY-NC-ND: 署名-非商业性使用-禁止演绎

LICENSE
End of Article