Modul în care Disney și laboratoarele tehnologice convertesc filme 2D în 3D cu ajutorul inteligenței artificiale

De la platourile de la Hollywood până la laboratoarele din Silicon Valley, transformarea filmelor 2D în versiuni 3D asistate de inteligență artificială a pătruns în mainstream: studiouri, companii tech și startup-uri cooperează pentru a converti arhive și producții recente în experiențe stereoscopice pentru cinematografe, platforme de streaming și căști VR. Procesul care odinioară necesita echipe numeroase și luni de muncă, de exemplu, în 2012 peste 70 de specialiști au lucrat la conversia unui scurtmetraj de doar 17 minute, se bazează acum pe rețele neuronale care estimează adâncimea fiecărui pixel și generează automat a doua imagine necesară pentru efectul 3D.

Tehnologia pleacă de la un principiu simplu: pentru fiecare cadru 2D se creează o hartă de adâncime ce indică distanța obiectelor față de cameră; această hartă permite reproiectarea imaginii dintr-un unghi ușor diferit, obținând imaginea pentru celălalt ochi. Unde apar goluri, zone dezvăluite doar din perspectiva nouă, intervin algoritmi de inpainting specializați pentru video, adesea construiți pe modele difuzive adaptate pentru secvențe în mișcare. Modelele monoculare moderne, antrenate pe seturi largi de date, au avansat mult față de primele încercări: tehnici precum Depth-Image-Based Rendering necesitau anterior intervenție manuală pentru a desena sau retușa hărțile de adâncime, iar proiecte timpurii ca Deep3D erau limitate de date și arhitecturi mai simple. Astăzi, foundation models și rețelele difuzive permit estimări de adâncime mult mai fidele și umplerii coerente a zonelor ascunse, reducând artefactele care făceau conversiile să pară artificiale.

Marile companii și laboratoarele de cercetare au acționat pe mai multe planuri. Google a folosit clipuri din Mannequin Challenge pentru a antrena sisteme capabile să învețe adâncimea corpului uman în mișcare, demonstrând cum se pot genera hărți de adâncime precise din filmări uzuale. NVIDIA a prezentat în 2023 Neuralangelo, un model care reconstruiește structuri 3D detaliate din video 2D, pornind de la concepte precum Neural Radiance Fields, arătând cum pot fi obținute scene explorabile din câteva imagini. Studiourile și partenerii comerciali au început aplicații practice: Disney a colaborat cu startup-ul Outsyders și RealD pentru a converti Lilo & Stitch în 3D în 2025, transformând majoritatea filmului în doar opt săptămâni; Outsyders a folosit aceeași platformă și pentru documentarul IMAX Blue Angels. Platforme de streaming și laboratoare interne, precum cercetările Netflix din 2024 cu modelul Go-with-the-Flow, testează soluții proprii, iar startup-uri precum Owl3D sau Depthify oferă unelte comerciale creatorilor și consumatorilor pentru conversii compatibile cu Apple Vision Pro, Meta Quest sau televizoare 3D.

Aplicațiile practice sunt variate: în cinematografe, studiourile pot lansa versiuni 3D fără riguri stereo costisitoare; în streaming, platformele ar putea propune opțiuni 3D abonaților cu echipamente compatibile; în VR/AR, conversia poate transforma videoclipuri obișnuite în experiențe spațiale, inclusiv pentru video 360°; iar în arhivare, filmările istorice pot primi, pe lângă colorizare, și profunzime 3D pentru expoziții sau materiale educaționale. Formatele suportate includ side-by-side, MV-HEVC, top-bottom sau anaglif, iar multe soluții oferă setări pentru reglaje estetice ale intensității efectului 3D, pentru a respecta intenția artistică.

Avantajele față de metoda tradițională sunt evidente: viteză și cost mai mici, conversii care anterior cereau luni sau sute de oameni pot fi realizate acum în săptămâni sau zile cu echipe reduse; scalabilitate, conversia poate fi extinsă la milioane de ore din colecțiile serviciilor de streaming; calitate superioară, adâncimile calculate pixel cu pixel asigură tranziții mai naturale între planuri; și flexibilitate creativă, parametri precum paralaxa pot fi ajustați rapid pentru adaptare la genuri diferite. Multe pipeline-uri sunt astăzi 90–95% automatizate, cu intervenție umană pentru finisaje și decizii estetice.

Cu toate acestea, tehnologia are limite. Modelele pot estima greșit adâncimea în prezența reflexiilor, transparențelor sau a unei iluminări neobișnuite; oglinzile, suprafețele lucioase sau pereții uniformi pot produce hărți de adâncime eronate. Regiunile complet nou generate pentru ochiul secund pot rămâne incoerente dacă modelul de inpainting nu dispune de suficiente informații, o problemă în special în scene cu multă mișcare, fum sau efecte speciale. Un alt risc este instabilitatea temporală: diferențe subtile între hărțile de adâncime ale cadrelor consecutive pot genera flicker sau oscilații deranjante la redare. Există și chestiuni strict artistice: un 3D automat poate compromite trucuri de perspectivă forțată sau stiluri grafice plane din animație 2D, iar AI-ul, urmând geometria „reală”, nu păstrează întotdeauna intenția regizorală. În plus, confortul vizual al spectatorilor trebuie protejat: paralaxa excesivă sau plasarea obiectelor prea aproape pot provoca disconfort ocular, astfel că sunt necesare reguli de confort și verificări umane înainte de lansare.

Impactul asupra industriei este semnificativ. Conversia asistată de AI ar putea democratiza accesul la 3D, reducând dependența de ferme mari de artiști și reorientând munca către echipe mici specializate în supraveghere creativă și antrenare de modele. Pentru regizori, posibilitatea de a filma în 2D și de a converti ulterior în 3D oferă mai multă libertate în decizii de producție și distribuție. Platformele de streaming ar putea integra opțiuni 3D în catalog, iar evoluțiile spre free-viewpoint video și reconstrucții volumetrice sugerează că, pe termen lung, diferența dintre 2D și 3D ar putea fi mai puțin relevantă: conținutul ar putea fi livrat în ambele forme, adaptat preferințelor fiecărui utilizator. În paralel, forța de muncă din VFX și post-producție se va recalifica, mutându-se de la sarcini repetitive la roluri creative și tehnice mai complexe.

Conversia automată a lui Lilo & Stitch în 2025, realizată în opt săptămâni, ilustrează cum tehnologia poate accelera redescoperirea arhivelor și lansa versiuni noi pentru cinema și VR, dar ridică și întrebări despre cine decide aspectul profundității unei scene și cum se asigură confortul spectatorului. Pe măsură ce instrumentele devin mai sofisticate, rolul uman se va concentra pe gust estetic, regie a profunzimii și validare finală. Voi, cum ați prefera să revedeți filmele favorite: în versiune 3D generată de AI sau în varianta originală 2D?