合成技术自电影诞生之初便已存在，即把演员置于虚拟背景前，但这一过程向来令人头疼。Netflix 近期推出一种新技术，利用机器学习简化部分繁重工作，不过该方法要求对演员施加刺眼的紫红色灯光照明。
传统色键抠像的局限
几十年来，最基础的合成方式是色键抠像（chroma keying）。演员站在色彩鲜艳的背景前（早期为蓝色，后演变为绿色），该背景易于识别并可替换为任意画面。前景被称为“遮罩”（matted），背景则是透明的“Alpha”通道，与红、绿、蓝通道一同处理。
这种方法简单且成本低廉，但也存在明显短板：透明物体、头发等精细细节难以完美处理，且任何与背景颜色相似的物体会产生干扰。尽管如此，其效果通常已足够好，导致光场相机等更复杂昂贵的替代方案一直未能普及。
Netflix“紫红色绿幕”技术原理
Netflix 研究人员尝试结合新旧技术，以实现简单且完美的合成，代价是片场需配置特殊的灯光系统。据最新论文所述，“紫红色绿幕”（Magenta Green Screen）通过将演员置于“灯光三明治”中取得显著效果：身后是明亮的主动绿色照明，面前则是红蓝混合光，形成鲜明对比。
这种片场外观可能令资深后期人员望而却步。常规拍摄使用相对自然的强光，演员仅需局部补光，镜头中的形象便较为正常。但若仅用红光和蓝光照明，因缺失光谱大部分区域，演员外观会被完全扭曲。
然而该技术的巧妙之处在于：前景仅设红/蓝色，背景仅设绿色，极大简化了分离流程。普通相机原本捕捉全色，现在则专门捕捉红色、蓝色和 Alpha 通道。这使得生成的遮罩极其精准，避免了从全光谱输入中分离关键背景时产生的伪影。
AI辅助色彩还原
当然，这似乎是用一种困难替代另一种：合成变容易了，但恢复被紫红色光照亮主体的绿色通道却变得棘手。
由于主体和构图各异，必须系统且自适应地处理。若采用“天真”的线性方法注入绿色，画面会显得苍白偏黄。为此，团队引入人工智能解决自动化难题。
团队使用自有训练数据对机器学习模型进行训练，这些数据本质上是类似场景的正常照明“排练”片段。卷积神经网络接收全光谱图像的局部区域，与紫红色光照下的图像对比，从而发展出比简单算法更智能的方式，快速恢复缺失的绿色通道。
因此，后期处理能相当出色地还原色彩（与相机内原始真实色彩“几乎无法区分”），但仍存问题：演员和布景必须以这种不适的方式进行照明。许多演员已抱怨绿幕前工作不自然，想象一下在刺眼、非人般的光线下工作的体验。
未来展望：时间复用照明
论文提出通过“时间复用”照明来解决这一问题，即每秒多次切换紫红色/绿色照明开关。以每秒24次（多数影视拍摄帧率）切换会令人分心甚至危险，但若将频率提高至每秒144次，视觉上则“近乎恒定”。
但这需要与摄像机进行复杂同步，摄像机只能在场景呈现紫红色的短暂时刻捕捉光线，同时还须考虑运动导致的帧丢失问题。
显然，该技术仍处于高度实验阶段。但它提供了一种有趣的新思路，用新颖的高技术手段应对媒体制作中长期存在的难题。尽管五年前还不可能实现，且未必能在片场广泛采纳，但其探索价值不言而喻。