声明式摄影机控制：理解 DCCL 与自动摄影

先写下希望观众看到什么#

设想一段八秒的动画：甲穿过庭院，走向站在门旁的乙，两人在门边停下。我们已经有角色轨迹，现在要决定怎么拍。

可以先写这样一份很短的分镜意图：

1
拍摄目标：让观众看懂甲正在接近乙，以及两人最终的相对位置。
2

3
镜头一：双人远景。乙在门旁等待，甲从庭院另一侧走近。
4
镜头二：中景。甲从画面左侧进入，停在乙身旁；停稳后结束。

这份描述暂时没有摄影机世界坐标。它给出的信息却足以支持讨论：观众何时看见乙，甲从哪一侧进入，什么动作意味着镜头结束。如果编导觉得第二个镜头切得太早，讨论对象也是“甲还没进入两人关系”这样的画面事件。

反过来，一条从坐标 A 插值到坐标 B 的摄影机曲线，通常不会告诉后来接手的人：这一移动是为了跟随甲、揭示乙，还是避开门框。角色速度或站位一变，关键帧还在，拍摄目的可能已经丢了。

声明式表达的价值，是把这个目的保存下来，让生成过程有据可依。它也要求作者说清楚足够多的条件。“拍得紧张”仍然过于宽泛；“甲停下时，两人都在画面里，保留乙的反应”就更容易转成可以检查的结果。

把摄影描述拆成可组合的层次#

DCCL 用 片段（fragment）、镜头（shot）、摄影惯用式（idiom） 组织摄影描述。片段描述一段固定机位或单一简单运动；一个镜头可以由一个或多个片段组成；摄影惯用式则把若干镜头组织成适用于某类活动的拍摄方案。片段的变化不必产生剪切，镜头之间的变化才属于镜头组接。原论文：DCCL

原创概念图。层次分别回答“怎样组织这件事的拍摄”“在哪里切镜头”“镜头内部怎样运动”。

把这三个层次放回庭院例子，会更容易分清职责。

在拍摄方案这一层，决定如何交代接近过程。 两个镜头的版本先建立两人关系，再靠近观察停步。另一个方案可以始终留在双人远景里。两者都能覆盖这段动作，但传达的节奏不同。这里讨论的是一组镜头如何共同完成任务。

在镜头这一层，决定观众连续看见什么。 如果第二个镜头从甲进入画面一直拍到停下，期间没有剪切，那么摄影机中途改变运动方式，它仍然是同一个镜头。

在片段这一层，描述简单、可计算的摄影行为。 例如，先固定机位观察甲进入，再开始平移跟随甲。这是本文为说明组合关系写的例子；具体如何衔接，还需要检查运动速度与构图是否连续。把片段拼起来，只是表达了意图，并不自动保证衔接自然。

DCCL 原型定义了五种片段，可用下面这张小表建立直觉。这里的“固定”说的是摄影机，不能据此推断演员也不动。原论文：Fragments 与 Figure 4

这种分层对工具设计的启发是：不要让一个“镜头模板”同时承担叙事安排、切镜时机和逐帧插值。出了问题时，作者需要知道该换拍摄方案、改切点，还是调整镜头内部的运动。

屏幕位置为什么会决定镜头时间#

“甲从左边进入，停在乙身旁”看起来是构图描述，其实也在限定时间。

对于已经确定的摄影机，甲的世界轨迹可以投影成屏幕轨迹。假设在本文的示例中，甲在第 24 帧到达画面左侧边界，在第 72 帧到达指定位置。如果按每秒 24 帧播放，两个事件之间相隔两秒。这个时长来自画面条件与角色运动的组合；改变甲的速度，条件成立的帧就会改变。

原创说明。时间应从同一份角色轨迹与摄影机投影中求得，不能把屏幕位置直接当作世界坐标。

这正是 DCCL 中 movement endpoint 值得注意的地方：对于 go-by 和 panning，画面中的起止位置参与计算片段时长。static、tracking 和 POV 的时长则由规格显式给定。不能把“通过画面端点求时间”泛化到所有片段类型。原论文：Movement Endpoints 与 The DCCL Compiler

另一项配套信息是 基准时刻（primary moment）。运动中的演员与摄影机会不断改变相对关系，“中景、某种相对机位”必须在一个明确时刻成立。原型为 go-by、panning 和 tracking 指定片段的开始或结束作为基准时刻，再据此求解机位与后续运动。它不是随意加上的一个动画关键帧，而是摄影描述落到几何计算上的时间锚点。原论文：The DCCL Compiler

回到门边的两人：如果我们最关心“甲停下时，两人的构图成立”，就应先检查停下时刻，再向前检查进入过程。若只在起步时得到漂亮画面，甲走到门边以后却遮住乙，开头正确并不能证明整个镜头正确。

这里还藏着一个很实际的设计问题：甲的轨迹可能根本不会经过要求的位置。本文的工具建议是让预览明确报告“指定画面事件没有发生”，并定位到相关条件。悄悄给它填一个默认时长，会使作者误以为拍摄意图已经满足。

CPS 怎样把描述变成可播放结果#

DCCL 负责描述，CPS 负责把描述应用到具体动画。论文的输入包含演员随时间变化的位置、活动等信息，以及拍摄对象与时间范围；因此，输入侧已经承担了一部分“发生了什么”的语义组织。系统内部经过序列规划、DCCL 编译和启发式评估，再输出摄影机规格供播放器渲染。原论文：The Camera Planning System

根据论文职责关系重新组织的示意，不是原图复刻。输入语义、候选生成与最终播放之间存在不同的验证边界。

序列规划先确定拍摄活动。 原型按主角活动划分场景，并为场景匹配适用的 idiom。这个阶段依赖具体应用：在庭院例子中，必须有人或某个上游模块说明这段活动是“甲接近乙”，以及甲、乙和时间范围分别是什么。仅提供两条坐标曲线，并不足以自动获得完整的叙事含义。

编译阶段把候选展开为逐帧规格。 编译器利用演员几何、相对机位、景别、基准时刻和片段规则，求出摄影机位置、朝向与视场角数组。它还要处理片段时间及片段之间的依赖。论文将这一阶段与剧情语义分开：同一种几何计算可以服务不同应用中的双人互动。

评估阶段在实际结果中选择。 同一套拍摄方案用于不同站位时，可能产生很不同的画面。因此，论文先编译候选，再根据片段衔接、轴线、时长等启发式条件筛选。最后拼接被选中的帧数组，交给播放器。分数代表这套评估规则下的偏好，不能直接解释成观众理解程度或艺术质量。原论文：Sequence Planner、DCCL Compiler、Heuristic Evaluator

对今天的演出编辑器而言，这条流程最值得保留的是可追踪的中间结果。作者点开门边的镜头时，最好能看见：它来自哪个拍摄方案，绑定了哪两个演员，在哪个时刻求解构图，又为什么胜过另一个候选。这样，“生成得不好”才可能转成具体可修的问题。

把 DCCL 放回自动摄影研究中#

相关研究经常被放在同一张“自动导演”清单里，但它们接收的输入、负责的决策和允许等待的时间并不相同。下面按这些差异比较六项工作。最后一列是本文的工程判断；它表示阅读上的关联，不表示存在未经证明的直接继承关系。

这张表可以用来给项目划分责任。例如，庭院动画已经锁定时，适合先研究“如何拍摄给定轨迹”；如果工具还能改变甲停在哪里，就必须把调度与摄影一起考虑；如果玩家随时能够让甲转身离开，则必须明确运行时如何响应新事件。

这些是不同的问题。把它们都压进一个“生成镜头”按钮，作者很难判断失败发生在哪一层，开发者也难以建立可靠验收标准。

关于 PSL 的细节，可以接着阅读站内的《散文分镜语言》中文全文。本文的版本比较以 2022 年 WICED 正式出版记录及修订图解版为准。

需要带着哪些边界阅读这篇论文#

首先，论文中的交互示例包含规划等待。作者明确说，演示视频为了展示效果剪掉了 CPS 所需的规划时间。因此，流畅播放的录像证明了生成结果能被播放，不能单凭录像推断系统能够在每个运行时帧预算内完成规划。原论文：Sample Application

其次，系统从有限的候选中选择。DCCL 的拍摄形式与场景几何限定了候选集合，减少了通用搜索的需要，也缩小了可能得到的摄影结果。它有助于生成常见的镜头形式，但候选库没有表达的方案，不会仅凭调高某个评分权重自然出现。原论文：Related Work

最后，通用几何模块仍然需要合适的输入。活动识别、角色身份、时间范围和拍摄对象，都可能携带应用知识。更换故事领域时，需要检查这些输入是否仍然成立，不能只因为编译器不理解剧情，就认定整个系统与应用无关。

如果今天在这套思路上加入大语言模型，让它提出候选分镜，那是新的工程选择。模型可以帮助形成描述，但描述是否可解析、演员是否存在、时间是否成立，以及生成结果能否在实际场景中播放，都需要独立验证。这些能力不属于 1996 年论文已经完成的工作。

用一个小场景检验现代实现#

以下是本文提出的验证办法，适合用“甲走近乙”建立最小实验，并非原论文的实验复现步骤。

先固定一份可重复播放的动画轨迹、两个人物标识和两种拍摄方案。让工具同时保留拍摄描述、编译后的摄影机序列和预览结果。第一次只需要回答：同一份输入是否稳定得到同一结果，作者是否能看懂它选择这个结果的原因。

然后一次只改变一个条件：

• 让甲走慢一点。 检查依赖画面事件的切点是否随轨迹更新；显式给定的时长是否按原有约定处理。
• 把乙移到门的另一侧。 检查人物绑定、相对机位与镜头衔接，观察旧方案是否仍然适用。
• 让甲提前停下。 检查未达到的画面端点能否被明确报告，而不是被默认值掩盖。
• 在机位附近增加遮挡。 检查预览中真实可见的画面。几何位置算出来，不等于人物已经被清楚拍到。
• 直接播放完整镜头组。 检查连续运动和剪切节奏；单帧截图无法揭示切点过早、衔接突跳或持续时间不合适。

最后再评估观众：看完以后，能否指出甲在接近谁、乙在哪里、两人何时形成互动。这个问题需要观看结果来回答。一个通过约束检查的镜头，和一段被人理解的演出，是两个都值得保留的验收结果。

DCCL 留给今天工具开发者的一个实用起点，是让“我希望画面发生什么”成为可编辑、可检查的内容。先在一个小场景里把意图、求解和播放连接起来，摄影知识才有机会变成作者能够信任的工具。

阅读术语表#

参考文献与原文入口#

1. Christianson, D. B.; Anderson, S. E.; He, Li-wei; Salesin, D. H.; Weld, D. S.; Cohen, M. F. Declarative Camera Control for Automatic Cinematography. AAAI, 1996, pp. 148–155. 文献键：[CAwH*96]。AAAI 原文 · 中文全译与英文对照。
2. Drucker, S. M.; Zeltzer, D. Intelligent Camera Control in a Virtual Environment. Graphics Interface, 1994。研究页面 · 会议 PDF。
3. Drucker, S. M.; Zeltzer, D. CamDroid: A System for Implementing Intelligent Camera Control. Symposium on Interactive 3D Graphics, 1995。研究页面与 PDF 入口。
4. He, Li-wei; Cohen, M. F.; Salesin, D. H. The Virtual Cinematographer: A Paradigm for Automatic Real-Time Camera Control and Directing. SIGGRAPH, 1996。研究页面与 PDF 入口。
5. Elson, D. K.; Riedl, M. O. A Lightweight Intelligent Virtual Cinematography System for Machinima Production. AIIDE, 2007。系统名称：Cambot。AAAI 原文。
6. Jhala, A.; Young, R. M. Cinematic Visual Discourse: Representation, Generation, and Evaluation. IEEE Transactions on Computational Intelligence and AI in Games, 2(2), 2010, pp. 69–81。系统名称：Darshak。DOI · 论文 PDF。
7. Ronfard, R.; Gandhi, V.; Boiron, L.; Murukutla, V. A. The Prose Storyboard Language: A Tool for Annotating and Directing Movies. Workshop on Intelligent Cinematography and Editing, 2022, pp. 13–27。正式修订图解版。出版记录 · 正式版 PDF。