【Nuke 合成】使用Copycat机器学习训练数据的应用流程

[蓝雨凌]

大家好，Nuke13带来了 Copycat（机器学习训练）节点，让人工智能神经网络开始渗透到影视制作领域，开启了全新的制作思路流程。其实在多年前，Nuke 就已经发布了一些测试代码在 C 环境下自行训练节点，那时仅仅处于研究状态，而目前已经到了成型的标准化应用状态。

机器学习这个概念听起来有点陌生，我们用制作需求来理解相对更容易，在制作中我们经常会用到美容、Roto 这样的需求，需要将视频中的人物一帧一帧抠出来，在传统制作领域的确是一帧一帧将人物手工绘制出来的，这也是影视制作人必备的最基础的技能（Roto 师），需要大量的练习和经验才能做好这件工作，许多时候甚至需要将头发这样的细节绘制出来，也非常考验 Roto 师的细心、耐心和绘制分层技能。

假如我们使用机器学习来做 Roto，只需要在视频部分关键帧上绘制 Roto，然后通过训练网络来让计算机识别物体或人，训练好数据集后，再将数据集应用到视频上，最终实现计算机自动 Roto 掉整个视频中的物体或人。

当然机器学习的应用领域远不止 Roto，还可在多种工作流程中训练识别数据。本篇内容包含：1、建立采样图像与比对图像；2、训练数据集；3、使用数据集

[蓝雨凌]

第一步、创建采样图像与提取原始图像参考数据

训练数据集就是让Copycat 来学习视频中的某个部分，这里我们按照 Nuke 官方教学中的 Roto 来举例，让 copycat 学习视频中的人物，让 Copynode 能精确的识别视频中的人物与原视频的区别。

1、我们为视频添加6个 Framehold 节点，截取视频中的6个帧，并在这六帧上绘制 Roto

2、绘制好 Roto 后通过AppendClip 合并帧，并在下方使用 Alpha 节点将Alpha 通道到 R 通道，最终输出 R 通道。

3、然后添加 Remove 节点，去除多余通道。（仅保留 Alpha 和 R 通道）

4、然后从原视频的对应帧添加 Remove 节点，仅仅保留 RGB 通道，去除 Alpha 通道。

[蓝雨凌]

第二步、添加 Copycata 节点开始训练数据集并监视神经网络

最后添加 Copycat 节点，将 Alpha 通道连接到 BackgroundTruth，将 Input 连接到原视频帧，开始训练。
Copycat 节点上有几个参数，其中一个是训练好的数据存储路径，这是必须要设置的，具体的 Copycat 节点用法可以学习这篇：

【Nuke节点】机器学习CopyCat数据训练节点的参数及功能

点击“Training”开始进行学习，解算完毕后会生成数据集，这一步就算结束啦。

[蓝雨凌]

第三步、应用数据集提取整个视频中的人物

这一步就是出结果的阶段啦，我们通过训练好的几帧，让计算机学会了这段视频中的这个人物，使用数据就是将训练好的人物数据，应用到整个视频中，达到自动化提取人物的目的。

添加 Inference 节点，并从路径中选择上一步训练好的数据集。

应用数据后，就可以看到整段视频处理后的结果，人物已经从视频中提取出来了

仔细检查素材，我们会发现有一些小细节不够完美，下一篇我们再来总结如何进行重新训练或者通过 Roto 修补来完善结果。

---

好啦，今天十七的教程就到这里啦，如果本教程对您有所帮助，点击我的头像，加我为好友，就可以看到我得更新啦，也可给我发私信，点击帖子顶部得收藏放入收藏夹，方便将来再次查看～

本帖未经允许不得转载，转载请注明出处并保留在本站的完整链接，谢谢^_^

[孟员外]

前面步骤都没问题，最后copycat点start training的时候无法解算，放上去还报错

[素梦]

有没有素材呀，可以发一下吗？

[作者]

帖子