Por trás de "EXHIBIT": Reimaginando o Cinema Expressionista Alemão Através do Cinema com IA

EXHIBIT é um curta-metragem gerado por IA que apresenta uma história misteriosa, onírica e absurda sobre um guarda de museu durante seu turno noturno, renderizada no estilo do Expressionismo Alemão. O cinema expressionista alemão serviu como a principal inspiração para este projeto.

Comecei com uma pesquisa aprofundada sobre o cinema Expressionista Alemão, examinando sua estética visual, estruturas narrativas e técnicas de edição. Com base nessa pesquisa, desenvolvi um rascunho inicial de roteiro e um breve storyboard no meu caderno. Para o desenvolvimento da trama, foquei em três elementos-chave: um incidente marcante no início do filme para capturar imediatamente a atenção do público; uma reviravolta inesperada no final que conduz a história ao seu clímax; e uma progressão narrativa cuidadosamente construída que liga o início ao fim. Essa progressão intermediária cria ilusões sutis e desvios de atenção, tornando a revelação final mais surpreendente e impactante. Também reuni referências visuais de diversos filmes icônicos do Expressionismo Alemão, compilando referências de cenas e personagens em uma pasta. Com essa base conceitual e visual estabelecida, segui para o Flick Art para iniciar o desenvolvimento do filme guiado por IA.

O primeiro passo no Flick Art foi enviar as referências visuais reunidas durante a etapa de preparação para My Styles usando o recurso Explore Styles, a fim de construir um estilo consistente do Expressionismo Alemão para a geração de imagens. Foi importante incluir referências tanto de ambientes quanto de closes de personagens para melhorar a precisão e a controlabilidade das gerações posteriores.

Com o estilo personalizado estabelecido, pude começar o processo de geração por IA. Comecei pela geração de personagens, já que o personagem principal, o guarda do museu, serve como um fio condutor central que conecta e impulsiona a narrativa. Nessa etapa, escolhi o modelo Midjourney para a primeira rodada de geração de imagens e, em seguida, usei o Nano Banana Pro para a edição de imagens, já que esse modelo oferece maior precisão ao ajustar detalhes visuais específicos. Também usei o ChatGPT para ajudar a refinar e expandir a descrição do personagem, incluindo detalhes como aparência, idade e vestuário. Isso me permitiu criar prompts mais detalhados, resultando em gerações de imagens que pareciam mais realistas e visualmente vívidas.

Assim que gerei uma imagem de personagem com a qual fiquei satisfeito, passei para a próxima etapa: gerar vídeos diretamente a partir da imagem ou adaptá-la para cenas diferentes, mas relacionadas, apresentando o mesmo personagem. Esse processo me permitiu construir um conjunto coeso de visuais centrados no personagem, desenvolver imagens mais ricas e construir gradualmente a narrativa por meio dessas cenas em evolução.

O mesmo fluxo de trabalho estruturado foi posteriormente estendido ao desenvolvimento de todos os personagens coadjuvantes, garantindo consistência estilística ao longo de todo o filme.

Em seguida, avancei para a geração de cenas de ambiente, que incluíam a fachada do museu, bem como espaços internos, como o lobby e a galeria. Para essa etapa, selecionei os estilos que continham referências arquitetônicas da biblioteca de estilos personalizada para guiar a consistência visual e a precisão das cenas.

Houve duas técnicas principais utilizadas nessa fase. Primeiro, assim que gerei uma imagem de ambiente com a qual fiquei satisfeito, eu podia criar vídeos gerativos para mostrar o espaço por meio de movimentos de câmera, como zooms lentos, ou integrar personagens gerados anteriormente ao ambiente vazio. Para inserir personagens em uma cena, usei a imagem do ambiente como base para a edição de imagem e adicionei a imagem do personagem como referência secundária. Por meio de referências de imagem e orientação de prompt no Nano Banana Pro, consegui controlar como o personagem era posicionado dentro do espaço. Essa abordagem me permitiu unir a geração de personagens e ambientes em um pipeline visual unificado, criando cenas coesas que poderiam ser usadas posteriormente para geração de vídeo.

A segunda técnica é útil quando você quer referenciar uma imagem específica durante a geração de cenas. Por exemplo, no meu caso, eu queria incluir uma pintura inspirada em Napoleão Cruzando os Alpes dentro do espaço da galeria gerado. Para conseguir isso, primeiro enviei a imagem de referência original para o Flick Art e usei o modelo Flick Advanced para transformar seu estilo visual em Expressionismo Alemão. Em seguida, usei o Nano Banana Pro para edições adicionais, integrando a pintura estilizada ao ambiente da galeria gerado anteriormente. Esse método me permitiu incorporar referências visuais reconhecíveis mantendo a consistência estilística dentro da cena gerada.

Na geração de vídeo, além de usar uma única imagem como quadro inicial e guiar o movimento por meio de prompts, outra abordagem é gerar duas imagens para servirem como quadro inicial e quadro final. A geração de vídeo pode então interpolar entre esses quadros, criando um movimento controlado com base na ação desejada. Em uma cena que eu queria gerar, o guarda do museu corre em direção a uma porta e coloca as duas mãos nela como se estivesse tentando abri-la. Para conseguir esse movimento com precisão, primeiro gerei um close-up de meio corpo do guarda parado diante da porta, seguido de uma segunda imagem mostrando o corpo inteiro dele no ato de empurrá-la. Usando essas duas imagens como quadro inicial e final, apliquei então o modelo King O3 Pro para gerar o movimento dele correndo em direção à porta. Essa abordagem proporcionou um controle maior tanto sobre o movimento quanto sobre a composição, em comparação com a geração de vídeo a partir de um único quadro.

Criar EXHIBIT não foi apenas um experimento em filmmaking com IA, mas uma exploração de como as ferramentas emergentes podem reinterpretar movimentos históricos do cinema sob uma perspectiva contemporânea. Ao combinar um desenvolvimento visual orientado por pesquisa com um fluxo de trabalho iterativo de IA, consegui traduzir a intensidade emocional e a linguagem visual do Expressionismo Alemão para um novo meio, gerativo. Esse processo também transformou a maneira como penso sobre filmmaking. Em vez de um pipeline linear, as ferramentas de IA possibilitaram uma abordagem mais fluida e modular, na qual personagens, ambientes e movimento podiam ser desenvolvidos de forma independente e depois unificados em uma narrativa coesa. A capacidade de iterar rapidamente entre imagens estáticas e vídeo permitiu tanto experimentação criativa quanto controle preciso.

No fim das contas, EXHIBIT representa um diálogo entre passado e futuro: um estilo cinematográfico clássico reimaginado por meio da inteligência artificial. À medida que as ferramentas generativas continuam evoluindo, estou animado para explorar ainda mais como a IA pode expandir a narrativa visual: não como uma substituta da criatividade, mas como uma nova linguagem para ela.