將歷史記憶轉化為視覺影像，一直是電影與紀錄片製作的挑戰。特別是當目標是一個沒有任何影像紀錄、僅存在於數千人記憶中的瞬間時，挑戰更顯艱巨。Google DeepMind 近期展示了一項技術實踐，透過 AI 模型與傳統視覺特效的結合，成功複原了 1959 年球王比利（Pelé）在 Rua Javari 球場創下的傳奇進球。
這項計畫的核心在於如何將碎片化的歷史資料，轉化為高精確度的動態影像。對於工程師而言，這不僅是生成式 AI 的應用，而是一場關於數據對齊、動作控制與多模態管線整合的技術實踐。
數據驅動的歷史還原
在進入 AI 生成之前，首先需要建立正確的基準數據（Ground Truth）。歷史學家收集了近 2,000 份歷史紀錄，包括球場藍圖、家庭相簿以及超過 3,600 張歷史照片。此外，團隊還訪談了當時的目擊者與記者，利用球場縮小模型與圖表來還原當時球員的跑位與球路。這些資料為後續 AI 模型的環境建模與角色設定提供了必要的約束條件。
從實拍到像素的轉換流程
為了避免純 AI 生成導致的動作失真（例如肢體扭曲或不自然的物理表現），團隊採取了實拍與 AI 混合的策略。首先，劇組在原址球場使用當時的重皮革球與復古球衣拍攝動作替身。這段實拍影片成為了 AI 模型的基礎輸入，隨後透過三個核心技術實驗進行數位轉型。
第一是角色替換（Character Replacement），將比利的容貌特徵與經典 10 號球衣精確地映射到現代替身演員身上。第二是環境風格化（Environment Restyling），將現代球場的景象修正為 1959 年當天陰天且符合當時建築風格的樣子。第三是氛圍生成，模擬當時觀眾在場邊觀戰以及在家中收聽廣播的視覺感受。
解決生成式 AI 的控制力問題
在影像生成領域，雖然像 Veo 這樣的模型能產生極高的寫實度，但面對像比利這種高難度、高動態的體育動作，純隨機生成無法滿足精確的動作要求。為了克服這一點，團隊引入了 Performance Control（性能控制）技術。
這套流程基於 Veo 3 模型，其核心邏輯是從實拍影片中提取精確的 3D 幾何結構與動作軌跡。系統會將場景分解為獨立的可編輯層：首先分離出運動員的 3D 動作（以藍色網格 3D Mesh 表示），接著將人物與背景隔離，最後生成一個乾淨的背景底圖。
透過這種方式，開發者可以獨立修改球員的模樣或環境背景，而不會影響到原本精確的動作軌跡。在此過程中，Gemini Omni 與 Nano Banana Pro 等模型被用於處理影像隔離與 3D 網格的提取，確保生成的每一幀都符合物理邏輯。
混合後製管線與電影感還原
最後的成品並非直接由 AI 輸出，而是進入了一套混合後製管線（Hybrid Pipeline）。AI 生成的素材會交由傳統的視覺特效（VFX）進行精修，例如球體的合成、膠片顆粒的添加以及嚴格的色彩平衡。
為了追求極致的時代感，團隊甚至將數位輸出的影像通過實體膠片輸出機（Filmout Machine）處理，以還原 1950 年代電影特有的質感與色調。
總結
這次的實踐證明了 AI 在歷史還原中的角色：它不再僅僅是一個隨機生成圖片的工具，而是可以透過 3D 動作捕捉、環境約束與傳統 VFX 管線的整合，變成一種精密的數位重建工具。對於開發者來說，關鍵在於如何利用 Performance Control 類型的技術，將生成式 AI 的隨機性轉化為可控的工程產出。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。