Page 8 - foundrian 2022 vol. 1
P. 8
LONG LIVE 3D 애니메이션 / 3D 렌더 이미지에 포함된 다양한 정보를 쉽게 사용
THE PRINCE 렌더링 이미지 합성 Nuke는 3D 렌더러에서 제작한 다양한 AOV(사용자 지정 변수)를 강력
한 노드 기반 이미지 프로세싱을 통해 사용할 수 있다. AOV에는 3D 씬
Framestore가 머신러닝의 힘을
어떻게 활용했는지 확인해보세요 애니메이션은 아티스트가 창의력을 마음껏 발휘할 수 있는 완벽한 에 포함된 다양한 정보를 이미지 레이어로 저장한다. 렌더링된 결과물
플랫폼이며, 다양한 스크린과 OTT 플랫폼에서 빠르게 성장 중인 을 Nuke 내에서 손쉽게 변경할 수 있으므로 이미지를 다시 렌더링하는
콘텐츠이다. 완전히 새롭게 창조된 CG 세계, 캐릭터 및 크리 쳐는 소요를 줄일 수 있다. 컴퍼지터는 AOV를 사용하여 CG 캐릭터와 배경
감독과 아티스트의 예술적 비전을 완벽하게 구현할 수 있는 도구를 을 따로 합성하거나 조명과 그림자를 재조정하고, 장면의 정확한 깊이
사용하여 제작된다. 와 표면 정보를 이용하여 3D씬을 포인트 클라우드로 재구성하여
그러나 애니메이션 제작에 필요한 창의적인 프로세스는 렌더링이 Nuke에서 요소를 정확한 위치에 추가할 수도 있을뿐 아니라, 다양한
라는 한 가지 큰 산이 있다. 장편 애니메이션 제작에는 막대한 렌더 요소를 매우 세밀하게 제어할 수 있다. Nuke에 내장된 Cryptomattes
링 시간과 예상 비용이 발생하게 된다. Pixar의 Monsters 와 같은 ID 매트는 렌더링 시 생성가능한 AOV의 한 예로서 특정 영역의
University는 2,000대의 컴퓨터와 24,000개의 코어로 구성된 색상 보정 및 이미지 조작을 할 수 있다.
데이터 센터로 작업을 수행하더라도 단 하나의 프레임을 렌더링하
Katana <>Nuke Interop을 통한 라이팅 툴과 합성 툴의 연결
는 데 29시간이 걸린 일화가 유명하다.
Foundry의 룩-디벨롭먼트&라이팅 툴인 Katana와 Nuke가 다이렉트
로 연결된다. 3D 애니메이션/VFX 합성의 최종 결과물을 Katana 렌더
다양한 3D 데이터를 직접 사용
링 과정에서 미리 볼 수 있다. 두 툴의 유기적인 연결을 통해 아티스트와
Nuke를 사용해보지 않은 아티스트들이 가진 가장 큰 오해는 Nuke는
수퍼바이저는 최종 결과물을 더욱 효과적으로 리뷰하고 라이팅과 합성
2D 합성을 위한 툴이라는 것이다. 그러나 Nuke에는 아티스트를 위한
사이의 파이프라인을 간소화할 수 있다.
3D 환경이 기본적으로 탑재되어 있어 3D지오메트리를 직접 불러와
수정/변경/가공을 통한 합성을 진행할 수 있다. 최근 산업에서 표준으로
사용되는 USD 포맷은 물론 Alembic, FBX 포맷을 사용할 수 있다. 미디어&엔터테인먼트 산업이 계속 발전함에 따라 제작기법이 변화하
이러한 이점을 통해 Nuke에서 3D 렌더링 이미지만을 합성하는 것이
고 환경 요인으로 콘텐츠의 소비 형태도 변화하고 있다. 이러한 변화에
1 아니라 3D 공간과 데이터를 모두 활용한 Relighting, 텍스쳐 애니메이션,
발맞추어 Nuke는 더이상 Post-Production에서만 사용되는 합성 툴
오브젝트 요소 추가 등의 작업도 매우 수월하다. 또한 이미지의 수정이
필요할 경우 Nuke에서 해결할 수 있는 작업은 3D팀에 수정을 요구하여 을 넘어서서 전체 제작 파이프라에서의 허브 역할로 변화하게 되었다.
다시 렌더링하는 등의 소요되는 시간을 줄여 효율적인 파이프라인을 파이프라인 전반에 걸쳐 최종 이미지를 더 빠르게 확인하고 의사결정
구성할 수 있게 된다. 을 앞당기며, 작업 과정을 효율적으로 바꾸는 Nuke를 통해 국내의 다
양한 스튜디오, 창작자들의 상상력을 현실로 만드는 데 도움을 줄 것으
1 Framestore 스튜디오에서는 Nuke의 CopyCat을 활용하여 그들의 창의적인 인공지능을 아티스트의 두 손에 로 기대한다. 에디터/ 이범희
제작과정을 가속하고 개선하였다.
2 Nuke Bridge를 활용하여 Katana에서 라이팅 작업을 하는 과정에 실시간으로 Foundry는 CopyCat을 포함한 새로운 머신러닝 툴을 개발하였다. 제 2
합성된 결과물을 확인하고 수정 및 추가 작업을 진행하는 모습.
작 시간을 절약하는 데 도움이 되도록 개발된 CopyCat을 사용하면 시
퀀스 전체에 적용해야 하는 Garbage Matte를 만드는 것과 같이 반복
인공지능 기술의 활용 적이고 시간이 오래 걸리는 작업이 있는 경우 아티스트는 몇 개의 예제
프레임만으로 직접 인공지능 툴을 만들 수 있다. CopyCat은 아티스트
머신러닝이라는 용어가 최근 몇 년 사이 다양한 산업 전반에 화두 의 예제를 토대로 신경망을 훈련하여 시퀀스의 나머지 부분에 적용하
로 떠오르고 있다. 더불어 다양한 영향을 끼치고 있고, 시각효과와 는 데 사용한다. CopyCat을 활용한 워크플로우는 Garbage Matte뿐
관련된 산업에도 마찬가지이다. 관심도가 높아짐에 따라 보다 능률 만 아니라 와이어와 마커 리무브, 뷰티 보정 등의 작업에도 효과적으로
적이고 효율적인 작업 방식이 가능해졌다. 머신러닝 기반의 작업이 사용되고 있다. 최근 Framestore에서 제작한 영상에서 CopyCat이
란 것은 ‘학습’을 토대로 원하는 ‘결과’를 도출해내는 것이다. 컴퍼지 사용된 것이 공개되어 놀라움을 선사했다.
터의 작업 결과물을 토대로 Nuke의 인공지능이 학습하여 원하는
결과물을 사용할 수 있게 만들었다. 하나의 예로써 시각효과 제작 Pytorch기반 인공지능 모델의 활용
과정에서 필수적으로 제작해야 하는 매트를 획득하는데 머신러닝 CatFileCreator를 통해 Nuke에 내장된 인공지능 모델 외에도
이 그러한 수고를 많이 덜어준다. 일정은 촉박해지고 프로젝트가 PyTorch 기반의 모델이라면 스튜디오에 필요한 모델을 Nuke에서 활
더욱 복잡해지면서 컴퍼지터들은 새로운 도전에 직면해 있으며 이 용할 수 있는 모델로 변환할 수 있다. Inference 노드를 통해 사용하는
에 보조를 맞출 수 있는 새로운 작업 방식과 도구가 필요한 시점이 .cat 파일에 사용자정의 노브를 추가할 수 있으므로 사전 훈련된 머신
다. Nuke에 도입된 머신러닝 기반의 도구를 활용하면 제작과정에 러닝 모델을 완벽하게 제어할 수 있다. 따라서 광범위한 인공지능 개발
서 컴퍼지터의 시간을 많이 소모하는 작업을 줄이고 창의적인 작업 커뮤니티에서 사전 훈련된 공개 모델을 이용하면 훈련에 소요되는 시간
에 더 시간과 노력을 쏟을 수 있다. 도 단축하며 원하는 창의적인 룩을 얻는 데 도움이 된다.
06 • foundrian Nuke for your Post-Production Hub • 07
