沉浸：虚拟现实的审美溯源、创新与技术进路

姜申

摘 要：作为新媒体艺术与技术的一个重要分支，虚拟现实反映了媒介嬗变中的一个隐性趋向，即从“客体审视”向“主观沉浸”的演进。媒介发展的一个关键变革在于从主体对客体的凝视演化为主体聚身于虚拟环境中的主观体验。这个变革的外在表征就是新媒体的沉浸性。本文从这一属性切入，展开对视觉媒介进化史的讨论，从艺术积淀中看到审美对沉浸的渴求，进而将目光引向技术历程与媒介实践的应用，以期给深陷于多元媒介变革的读者提供些许启示。

关键词：虚拟现实;沉浸;新媒体艺术;VR;聚身性

虚拟现实的产生源于人类对两个方面的不懈渴求：在审美上，追寻看与被看间——主客体距离的泯灭，即“入画”的沉浸感;在科技上，对空间的数字化复制与扩大生产，即对空间再生产的强烈愿望。

1 对“三维沉浸”的美学追索

就审美上来说，人们总希望为架上艺术（如绘画）的平面性带来些许变化，使之看起来不再是与观赏主体间完全割裂的两个对象，而将观者引入画面之中，构成某种三维视角的联系。在中国，汉代的墓葬画像砖上可以看到古代艺术为此而作出的努力：在群臣朝贺的场面中，一排排个体除正面或侧面像以外，还出现了斜面像的勾勒，使平面表达具有景深的厚度。十六国至北魏时期，佛教使立体造像兴盛起来，进而与石窟艺术相融合，为平面绘画提供了立体的观赏空间。敦煌早期绘画中，已有依据宗教人物的重要性而进行身形塑造的大小差异;唐代绘画进一步将人物的大小与空间远近相关联，画中景物虽边际模糊、无界无束，却体现出局部的原始纵深感。到宋代《清明上河图》已运用成熟的散点透视技法，令街道、桥梁、船只、商铺、人物等丰富的场面透过散漫的多个视点聚合在一个画面里，将世俗生活的细节进行详尽的表现。在西方，文艺复兴为几何在绘画中的渗透带来了契机，焦点透视技法蓬勃发展，即在二维平面上利用线和面趋向会合的视像错觉原理，烘托景物的三维艺术表现力。例如，达·芬奇名作《最后的晚餐》中，画家利用直角边线向心点集中的原理，引导观者的视线形成视觉中心和封闭式纵深构图，同时以餐桌为水平线横亘在前方，构成画面的稳定。与散点透视不同，焦点透视塑造一个生动的切入视角，着力营造与观者融为一体的空间实感。当然，平面绘画总要与观者保持一定的距离，这成为后者融入“画境”的巨大阻碍。于是，在15世纪初的意大利布兰卡契礼拜堂，马萨乔尝试用横向弯曲的平面作画，将观者的左右视野包裹在一组近似半圆弧状延伸的宗教壁画中，这样绘画空间就有效地将面对它的人包围起来。这种原始的“沉浸感”在更早的中国（如敦煌）洞窟绘画中也得以运用，即洞窟不仅为宗教艺术遮风避雨，它在创作的一开始便可能成为构思的一部分，为壁画及造像的空间立体感（或沉浸感）造势。1900年巴黎世博会上，电影刚刚问世不久，法国人塞松就开始尝试环幕电影，在一个直径约32米的圆柱形大厅内，他用10台70毫米的电影放映机，从大厅中心向四周放映世界各地的城市风光，用银幕营造出密闭空间内的全景视场。总之，人们从未放弃对自己脑后景物的兴趣，而追求“周知”的结果往往使观者自身陷入艺术表达所勾勒的空间之中。

然而，文艺空间实现了对人的身体的包裹，卻难以提升感知的纯度。无论洞窟还是环幕，身体总以不合时宜的在场性提醒着观者：你和视觉文艺之间存在距离，你在看，而不是沉浸其中。如何去除环境干扰的因素而融入纯粹的视觉感知中？早期的电话机设计提供了启发：为了避免杂音和环境干扰，人们在接听电话时用听筒堵住耳朵、用麦克风尽量接近嘴唇。机器与媒介器官越接近，它所得到的有用信息越多、所受外界干扰越弱。沿着这一思路，人们开始幻想一种装置，能撇开身体而直接为人的眼睛提供视觉信息。1932年，英国作家阿道司·赫胥黎在他的反乌托邦小说《美丽新世界》里，以公元26世纪为背景描述未来世界的种种场景。[1]其中就提到一种戴在眼前的观影设备，可为观众提供视听甚至嗅觉等感官体验，以营造出沉浸式的电影世界。这一幻想开启了虚拟现实技术应用的新篇章。

2 早期技术实践

1968年，计算机图形学家伊万·萨瑟兰（Ivan Sutherland）制造出一个真正的头戴式显示器，取名为“达摩克利斯之剑”。这是对虚拟现实最早进行实证的装置，能够显示一个简单的几何图形网格并覆盖在佩戴者周围的感知环境中。由于具备真实的电子光学显示能力，系统有着异乎寻常的重量，而不得不吊在天花板上以分担使用者头颈部的压力。“达摩克利斯之剑”是西方人熟知的历史典故：公元前4世纪，古希腊的移民城邦叙拉古，统治者狄奥尼修斯二世有一位朝臣名叫达摩克利斯。后者非常喜欢奉承他的君主，他说：作为一个拥有权力和威信的伟人，狄奥尼修斯实在很幸运。狄奥尼修斯于是提议，与他交换一天的身份，那样他就可以切身体会到首领的命运。在晚上举行的宴会中，达摩克利斯非常享受成为国王的感觉。当晚餐快结束的时候，他抬头才注意到王位上方仅用一根马鬃悬挂着的利剑;这令他立即失去了对美食和美女的兴趣，并请求狄奥尼修斯放过他，他再也不想得到这样的幸运。从外表上看，这个虚拟现实设备像是悬在头上的利刃，为体验者带来不安;但这个典故也暗示着“感觉的交换”——某种在真实情况下不可能体悟到的虚幻现实。

20世纪70年代，美国航天局为培训航天员开发了安装在头盔上的显示设备。1987年日本任天堂推出了配合电视游戏机使用的Famicom 3D System游戏眼镜。1993年世嘉公司在北美消费电子展上推出了虚拟游戏眼镜“SEGA VR”。由于“虚拟现实”在媒介研究中的持续升温，人们赋予它一个简化的名字——“VR”，即英文“Virtual Reality”的缩写。VR开始了由专业应用向游戏消费类应用的转折。索尼、HTC、Facebook等巨头纷纷踏上虚拟现实硬件的探索征程。

人们对虚拟空间的应用热忱似乎来不及等待VR硬件播放手段的成熟就早已展开。计算机图形学及图像处理技术在建筑、工业设计等领域已有很长的应用历史。在消费领域，数字电影特效和游戏场景的虚拟搭建也早已探索出成熟的应用路径。近年来，博物馆的虚拟展示也大规模拓展：从早期卢浮宫推出数字博物馆，到意大利庞贝古城的虚拟复原，再到圆明园的数字化重现等等。透过计算机虚拟建模的方式进行空间表达，已不是什么高难度的科学范畴。但“计算机建模”的时间和精力投入巨大，在没有足够的VR观看硬件适配的状态下，仍停留在二维平面输出的水平上，缺乏空间感的包裹和沉浸体验。

3 全景视频的介入

VR真正的爆发是在2015年前后，缝合软件的成熟使多台固定角度的广角相机有可能通过流媒体（实景摄像）的方式构建实时运动的360°全景空间。与传统的计算机建模相比，实景VR有着显而易见的优势：它无须运行建模软件，可节约大量的渲染时间和运算精力;比起计算机模拟效果，实景摄录的现实感更强、更逼真，最新的3D VR摄像系统甚至能轻而易举地构建出三维立体的实景空间。当然，在交互性的嵌入上，实景拍摄不如计算机建模在程序结合上那么方便。

早期的民用VR实景拍摄系统由6～12台小巧的运动相机（如GoPro相机）通过特制的金属框架拼合而成，每一台相机只负责摄录一个角度的运动图像，拍摄完成后将每台相机的存储卡数据依次导入电脑，再开启拼接软件对各个角度的图像进行缝合，之后用普通的视频软件进行剪辑和后期处理，即可使用VR播放器进行全景观看。随着拍摄硬件的集成化发展，也逐渐出现了一些具备全自动缝合的高端一体化VR相机，这类设备是专门为VR拍摄而设计的，缝合精度及成片效率明显提升，已具备新闻采编和直播应用的水准。

拍摄端的精进使全景观影需求出现井喷式的增长，也带动了VR播放端的硬件发展。从媒介技术的延展上看，VR视觉播放硬件大致分成3个主流形态。

第一种形态被称作“需要外接计算平台”的VR眼镜，以HTC VIVE、Oculus Rift、索尼PS VR为代表。这类眼镜内置固化的显示系统，但核心的计算能力（CPU、图形加速器、内存等）需要通过线缆与电脑或游戏主机相连而获取。因此，这类设备的图形处理能力强、适用范围广、迭代升级容易、显示精度有保障、接口丰富，可连接各种外设操控硬件（如手柄、红外或体感控件），交互娱乐性强，适用于高端游戏及综合视觉体验中，商业延展价值高。另一方面，外接处理器的VR硬件相对庞大、沉重，在便携性上有着致命的短板，难以在汽车、火车、飞机等交通工具上作为随身娱乐系统使用;线缆的长度也限制了佩戴体验的空间移动性，使其只能固化在商场或固定的展示环境中应用。

第二种形态被称作“手机盒子”，源自谷歌在法国的两位工程师，他们充分运用智能手机作为通用的计算与感应平台（手机内置处理器和方位传感器）尝试设计移动播放软件在手机上实现360°分屏显示，再将手机置于配有凸透镜的特质纸板眼镜盒中形成一个虚拟现实的原型设备。这个纸盒眼镜被称为Google Cardboard。由于其结构简单，很快被各地推广开来，原来的纸板也升级为工程塑料。其优势在于，与各种手机的适配性极强，消费者无须添置任何电子硬件即可体验VR;由于处理器、方位传感、内存、电池都内置于手机，它的便携性大大增强，应用场景趋于生活化;成本的低廉蕴藏着巨大的普众化潜力，利于虚拟现实向大众消费市场的拓展。但由于各类手机的尺寸、分辨率不一致，这类设备的沉浸效果一般，也缺乏足够的交互界面和接口，互动体验不足。所以，这类设备只适用于家庭VR视频、低端游戏和VR新闻阅读等生活场景。

第三种形态被称作“VR一体机”，它建立在弥补前两种形态不足的基础之上，将处理器、传感器、内存、电池、按键等电子设备集中于VR眼镜，提升了便携性、移动性;又内置了高精度、大视场角、色彩丰富的显示系统，提升了分辨率，增强了沉浸体验。但这种高度电子集成化产品的软硬件升级潜力相对有限，系统复杂拉高了它的设计制造成本，连接外部设备的能力不强。因此，一体机更适用于商业展示和专业应用范畴。

4 技术进路

在未来，硬件观看设备的提升主要向着高解析度、大视场角、快速动态显示以及全景声场这4个个方向演进。VR眼镜的屏幕解析度直接关系到观众对虚拟空间的仿真体验，提高屏幕分辨率势在必行，4K以上的全高清显示系统将普遍应用于VR体验。虚拟现实头盔在视场角方面仍显局促，观众佩戴时很容易感受到眼眶四周的边框，这极大地限制了身临其境的“代入感”，因此扩大视场角度成为硬件设计的关键。方位传感器需具备敏锐的随动反应能力，并将体验者的细微移动与显示内容作相应的匹配，在传感和显示中处理速度稍有迟疑便会形成拖影，造成观者的晕眩或不适。声音也是VR影音体验中的重要一环，传统的立体声场建立在观众与屏幕间固定的方位上进行输出，左右声道构成一条轴线与屏幕方向近似垂直;而VR需要随观众视场的方向变化输出全向的声音，被称为“全景声场”，即与方位传感器随动的声音程序，才能提供良好的沉浸视听体验。

在VR视听设备日趋成熟的今天，虚拟现实业态呈现出明显的分野。一部分力量以原有的计算机建模为基础，占据编程的优势，面向游戏市场、拓展交互的可能性，在商业广场等人口密集区建立大规模“虚拟现实体验店”，快速形成商业盈利模式。这类模式的显著特征是计算机动画和强交互操控特性，用户参与性强，但系统复杂、成本高、画面真实性相对较弱。另一部分力量借助最新的VR相机，以实景拍摄为基础、全景视频缝合为优势，面向直播、家庭、博物展示、新闻纪录等领域，努力拓展沉浸效果;在旅游、房产、科普、教育、广告等特殊应用场景，具有广泛的发展前景。这类模式对计算机建模的需求相对较弱，开发周期短，成本低廉，操作简易，符合碎片化信息传播对时效性的迫切要求。这类模式的顯著特征是逼真的全景视效，但尚缺乏交互接口和操控界面，给用户提供的互动机会有待提升。以发展的眼光看，虽然两类模式具有明显的技术区别，但其发展方向殊途同归。为了给用户营造沉浸式的虚拟体验，就必须还原场景的真实性，动画建模就必须向实景成像技术靠拢;要提升沉浸感，就必须改善虚拟现实与用户之间的交互，互动越自然，感知就越真实，因此实景VR就必须向计算机编程靠拢，以提供更多的交互接口和互动性。未来，动画VR与实景VR在应用上一定会突破技术壁垒、相互借鉴，向合流的方向演进。

总之，在科技更迭如此迅速的时代，我们不应忘记科学的初衷与使命——源自人的智慧、服务于人的生活。期待虚拟现实的发展能给人类带来更好的视觉体验与审美体悟。

参考文献：

[1] 奥尔德斯·赫胥黎（英）.美丽新世界[M].陈超，译.上海译文出版社，2017.