虚拟现实技术的发展与特征
一、虚拟现实技术的发展
科学研究的进步不能完全等价于人类技术的发展。正如飞机的发明源于人类飞行的梦想，人类的想象力与不懈的探索，才是成就众多改变人类生产生活方式的科技的源动力。在虚拟现实技术研究领域，这一动力也一直存在。早在1935年，科幻小说作家斯坦利·温鲍姆就想象出一种神奇的眼镜，佩戴者通过这个眼镜就可以进入一个神奇世界，通过眼镜获得那个世界中能够体验到的视觉、听觉、嗅觉和触觉，并能够与那个世界的人和物进行交互，进而影响其中的历史进程。这部名为Pygmalion's Spectacles的小说第一次完整地描述了虚拟现实技术支持的沉浸式交互体验的过程与样貌。时至今日，这个设想的内容仍然是虚拟现实相关行业对于产品设计及用户体验的目标。
而在技术层面上，虚拟现实技术从萌芽到走出实验室，也经历了四个阶段：
（一）理论积累阶段（20世纪50年代之前）
在虚拟现实技术真正有明确的实验方向与设想之前，大量相关科学研究与技术发明为其奠定了理论与实践基础。这其中包括与影像呈现相关的各种技术，而最重要的理论准备，则是对于立体成像原理的研究成果。人类双眼在观察世界时，由于存在微小的视差而获得了对于外部世界的三维感知。英国物理学家查尔斯·惠斯通在1838年发现并确立了这一原理，并基于此原理，利用一系列光学器材设计实现了用于将观察到的二维图像变成三维立体像的眼镜，使人类在影像立体化的道路上迈出了第一步。这一原理时至今日仍被直接应用于电影院3D电影的播放以及谷歌公司Google Cardboard纸盒眼镜，成为最简单的虚拟现实播放硬件的理论基础。
（二）实验室论证阶段（20世纪50—70年代）
真正进入实验室实验阶段的虚拟现实技术要从20世纪50年代开始算起。美国导演、发明家摩登·海里戈于1957年制造出第一套可应用的虚拟现实设备Sensorama（如图2.2），借助这台由三面显示屏构成立体空间的机器，参与者可以沉浸于驾驶摩托车飞驰的体验，与之相配的有立体声音、空气流动、震动反馈甚至真实道路上的气味。1960年，海里戈又发明了历史上第一台头戴式虚拟现实头盔显示器Sutherland（如图2.3）。囿于显示器等相关设备无法轻量化的限制，Sutherland体积较大且十分沉重，在固定于头部之后，还需在上方安装专门用以减轻重量的支撑杆，使用者才能够顺利观看。但此设备使用的双眼分屏显示的硬件设计理念被沿用至今。
图2.2 第一套可应用的虚拟现实设备Sensorama
图2.3 第一台头戴式虚拟现实头盔显示器Sutherland
美国飞歌公司在1961年提交了一项运动追踪技术的专利，用以控制小型摄像头随着携带者佩戴部位的动作而进行移动跟随，这一技术为实现虚拟现实技术中关键的交互输入打下了坚实的基础。
1965年，计算机图形学创始人伊凡·苏泽兰（Ivan Sutherland）发表了论文The Ultimate Display，超前地为图形显示技术明确了发展方向。苏泽兰认为，终极显示器要为参与者提供与现实难辨真假的多感官体验，其中包括立体的视觉与声音呈现以及恰当的触觉反馈，同时要求电脑计算并实时渲染图像传输给现实器，使参与者能够用与现实中相同的方法与虚拟世界的物体进行交互。[9]这三个原则时至今日仍然是虚拟现实行业广泛认可，并在努力实现的原则。1968年，苏泽兰制造了世界上第一台以电子计算机作为图像输出端，并连接头戴式显示设备的虚拟现实技术实验硬件Sword of Damocles。与Sutherland类似，沉重的设备使得用来悬挂固定头戴式显示器的钢索成为必须，甚至成了设备命名的缘起。
（三）技术积累阶段（20世纪80—90年代）
20世纪80年代，电子计算机技术突飞猛进的发展使得依赖于计算机图形学的虚拟现实技术也有了长足的进步。第一，在计算硬件上，集成电路板的出现将电子计算机的体积与计算能力提升了一个量级，而立体显示技术保证了短视距条件下的视角广度，使头戴式显示器的显示效果得到了技术层面的提升。第二，图形学与渲染技术的发展使得虚拟画面的每秒渲染三角形数量达到了数千，使设备能够呈现更加复杂的图像。第三，头部运动追踪设备的发明为显示头盔提供更好的沉浸感增加了可能，包括数据手套原型在内的虚拟世界交互技术使得交互信息的输入越来越便捷。而虚拟现实也终于有了正式名字：Virtual Reality。这个名字得于被尊称为虚拟现实之父的杰伦·拉尼尔（Jaron Lanier），他创建的VPL Research也成为第一个制造并销售虚拟现实设备的公司。VPL Research出售的设备名为EyePhone，其外形看起来与20年后的头盔显示器非常相似，但需要搭配数据手套与全套服装才能实现虚拟现实体验。繁重的设备与高昂的价格使得这套设备在概念上取得了极大成功，但在市场上无法打开销路。
放眼当时整个数字娱乐领域，虚拟现实技术掀起了不小的应用风潮。1987年，任天堂推出了名为Famicon 3D System的虚拟现实眼镜，连接任天堂家用机进行游戏，属于扩展配件。但基于红白机的补丁式设计并不能真正为使用者带来良好的体验。1995年，任天堂又推出Virtual Boy游戏机。该游戏机用单色显示屏作为显示硬件，希望用视差来建立三维视觉效果，但无法避免的眩晕感以及配套游戏难以体现虚拟现实游戏的精髓成为其在市场上失败的原因。
同为游戏行业翘楚的世嘉公司也推出了消费级的游戏设备SEGA VR。设备将头部运动追踪、立体声与LCD的近视距显示屏作为虚拟现实世界输入与输出的标准配件。但受限于当时游戏主机的性能，配套游戏的体验效果也不够好，无法真正成为消费硬件。
索尼公司在1998年推出的头戴式显示器PC Glasstron跳出了将参与者与世隔绝的圈子，将显示屏设计为可调整透明度的方式，使参与者在看屏幕时也能够看到现实空间，为日后的AR体验打下了基础。而2012年的HMZ-T1则以“个人三维影院”的定位推向市场，希望能够避免虚拟现实交互内容匮乏带来的硬件遇冷问题。
在这一阶段，业界与学界的研究者开始思考一些更现实的问题：虽然游戏能够最大程度地使参与者享受虚拟现实的非凡体验，但如果仅仅是依附于娱乐行业，就仍显小众。虚拟现实技术能够为教育、体育、传媒、旅游、餐饮等更多行业领域带来帮助。虚拟现实的潜能在不断进步的技术支持下逐渐被挖掘。美国航空航天局在1985年将虚拟现实设备引入宇航员训练，用名为VIVED VR的头戴式显示器设备加载实时头部运动追踪硬件，来模拟沉浸式的太空工作环境，帮助宇航员在高度临场感的条件下完成地面训练。虽然在这一阶段，虚拟现实技术没有成功地民用化与商业化，但在各领域所做的探索却为虚拟现实技术的全面爆发打下了基础。
（四）民用普及阶段（2014年至今）
近年来，显示分辨率与显卡渲染能力的飞速提升为虚拟现实设备的轻量化与精细化带来了可能，以Facebook花20亿美金收购Oculus为标志，虚拟现实技术在经历了20世纪末的小高潮与低谷后，再次迎来了新的机遇。
2014年以来，以电子制造与消费为主业的龙头企业纷纷布局虚拟现实技术与内容领域，以Oculus、HTC Vive、PSVR为代表的消费级虚拟现实交互硬件开始走向市场。2016年更是被称为“VR元年”，国内外无论是硬件厂商还是内容提供商，都对虚拟现实技术报以乐观的态度。虽然技术距离完全成熟尚有距离，但人类追求虚拟现实的方向是毋庸置疑的。虚拟现实语境为数字影像的创作与发展带来了新的机遇与挑战，虚拟现实是数字影像发展不可回避的前进方向。
二、虚拟现实语境下数字影像的特征
虚拟现实技术的源动力是人类对于更好的信息获取方式的追求，而虚拟现实技术归根结底是人类通过电子计算机将易于处理的数字化单维信息输出成为人类能够直接感知的、思维过程中接触到的其他各种表现形式的多维信息。虚拟现实技术具有“3I”特征，即想象性（Imagination）、交互性（Interactivity）和沉浸感（Immersion）。
想象性概括了虚拟现实技术的实现方式，即在想象力的基础上，借助数字化手段构建逼真的虚拟世界。想象性同时表明了虚拟现实技术的数字化特征与人类对于影像构建的介入，这一特征涵盖了虚拟现实语境下数字影像创作的诸多与表现相关的要素，如影像提供的感官刺激、表现手法、叙事特征等。
交互性是虚拟现实技术区别于以往其他技术的重要特征，它将人从被动接受的“观看者”变为了主动选择的“参与者”。在虚拟现实系统中，参与者通过尽可能自然的交互方式与虚拟世界产生联系，输入信息并得到实时的反馈。更重要的是，通过与虚拟世界的交互，参与者能够对数字影像的内容产生影响，以同步交互的方式参与到数字影像实现的过程中，与创作者一起完成最终的数字影像呈现形态。
沉浸感突出表现在虚拟现实技术将参与者与所处真实环境相隔离，使参与者更好地进入数字影像营造的虚拟世界环境中，呈现出忘记时间、忘记现实而全情投入的状态。沉浸感并非是虚拟现实技术独有的特征，却能够实现其他技术条件下的艺术形态难以实现的效果。
在研究虚拟现实技术与相关创作时，研究者多将3I特性描述为等边三角形结构，强调三个特性的平等关系。而笔者认为，当分析虚拟现实技术在数字影像创作中的特征时，3I特性并不是并列的关系。无论是强调表现力的想象性也好，强调参与者的交互性也好，其最直接也是最根本的目的在于更好地实现虚拟现实语境下数字影像的沉浸感。而为了使参与者获得更好的沉浸感，虚拟现实语境下的数字影像应如图2.4所示，从表现性与交互性两方面入手分析其特性。
图2.4 虚拟现实语境下数字影像的特征
（一）表现性
虚拟现实语境下的数字影像在呈现方式与呈现效果上有别于传统影像，也有别于其他数字影像。具体可以从感官与叙事两方面进行分析。
1.感官
虚拟现实技术仍在不断发展与完善的过程中。而在技术发展之初，外形沉重且体验欠佳的Sensorama就已经将多感官、多媒体信息的同步刺激作为不可或缺的组成部分了。人类获取信息最主要的感官是眼睛，但虚拟现实技术为了提供最佳的真实感，不仅要在视觉上营造逼真的效果，同时也要为其他感官提供相应的信息刺激。只有这样，才能够真正将参与者带入虚拟世界。
（1）视觉
视觉对于人类来说是最重要的信息获取途径。在传统影像艺术中，视觉先于听觉出现，并在缺乏一体化音轨的状态下存在多年。甚至到了数字影像时代，影像艺术创作的重点仍然是在视觉方面，无论是数字化造型还是特效，在影院中最吸引观众注意力并被人津津乐道或指摘批评的也多是视觉表现。当虚拟现实技术成为影像艺术创作的新技术和新语境时，我们仍然无法否认视觉对于人类信息获取的重要性。在影像艺术百年发展的道路上，积累了大量有关视觉表现的理论与手法，这些宝贵的理论与实践经验有些会在虚拟现实语境下发挥比以往更加重要的作用，有些则可能因为不适合虚拟现实语境的要求或人类生理规律的限制而被弃置。
在虚拟现实语境下，数字影像的视觉表现必须遵循人类视觉与心理感受的客观规律。以碎片化镜头拼接重组的方式来快速提供大量信息和叙事的蒙太奇是违反人类自然心理体验的典型。时空的断裂与重组为影像带来了快节奏与用镜头重构故事的特权，但这种时空的断裂重组在人类的现实生活中是不会被直接观察到的。与之相反，长镜头因为更加符合人类自然的视觉体验而成为更适合虚拟现实的画面表达方式。与之呼应的是大量运用“第一人称视角”的可能性。在传统影像中，即使是为了给观看者提供更具沉浸感的视觉体验，也鲜少使用第一人称视角，而是以“旁观者”的角度观赏影像，无限接近但又始终相离，观看者与影像内容始终隔着看不见的“第四堵墙”。而在虚拟现实影像中，观看者成为参与者，能够通过转头来选择镜头焦点，这种方式显然更接近现实生活中通过眼睛或头部移动来选择视野方位与视线焦点的过程。
因此，虚拟现实语境下的数字影像创作不再由艺术家来截取世界的影像来呈现给观看者，而变为艺术家构建整个世界，由参与者选择如何完成在这个世界中的体验。这就要求艺术家创建的世界不再是局部，而是一个全景。全景视频对于虚拟现实影像来说是重要的素材，它包含的信息量与工作量是传统影像甚至是非虚拟现实语境下的数字影像难以比拟的。
（2）听觉
听觉在人类对外部世界的感知中，作用仅次于视觉。不难想见，双眼可以闭上，双耳却很难通过自然手段阻隔音源。视觉由于受限于人所处环境的光线与障碍物的影响，总会存在难以接收信息的情况。而此时，听觉就成为获取外部信息的有力手段，有时其重要性甚至能够替代视觉。比如当一堵墙另一边的人或物发出声音时，虽然不能看到其形态，我们却能够从声音对声源作出猜想和判断。更重要的是，在立体声技术的支持下，虚拟现实影像能够给参与者提供与现实世界相近的听觉体验，即通过双耳距离声源的位置差距来营造立体声场，让参与者感受到与立体视觉类似的立体听觉。从听觉技术上来看，环绕立体声技术已经远比视觉立体技术成熟稳定，而立体听觉对于虚拟现实影像的影响不仅在于表现环境，还在于叙事线索的引导。在已有的虚拟现实影像作品中，使用立体听觉功能引导参与者转换视角，引导参与者重新选择影像呈现区域的做法不胜枚举。这种做法更加符合人类的自然认知规律，同时也体现了听觉在虚拟现实影像中的重要作用。
（3）触觉、肤觉、嗅觉与味觉
在现实生活中，人与外部世界的每一次接触都会引起触觉或肤觉的感受。触觉特指手部的感觉，十指连心一词说明了人类触觉的敏感性与重要性。在非虚拟现实影像中，除了带有震动反馈的游戏手柄会在玩家游戏时发出震动，表现游戏中一些剧烈的震动或提醒注意以外，触觉往往是不得不缺失的。在有震动反馈的游戏中，震动代表的意义往往多种多样，如角色跌落、被其他角色或物体撞击、角色被声音惊吓、角色被其他角色语言所震撼，等等。然而在现实生活中，这些事件所带给人的真实触感是不一样的，但受限于游戏手柄的功能，就只能统一为震动反馈。
虚拟现实影像的最终目标是通过不同设备的组合将触觉与肤觉模拟出来。在现阶段，已有服装类穿戴设备可以模拟对皮肤施加压力的效果，也有使用电扇为参与者模拟身处高地时风吹效果的实践。而触觉则由数据手套提供压力反馈以模拟接近真实的碰触感觉。
如前文所述，世界上第一台虚拟现实影像播放设备Sensorama对嗅觉的设计在当时看来是十分超前的。1960年，由伊丽莎白·泰勒主演的电影《神秘的味道》也引入了嗅觉元素。不仅如此，20世纪90年代的iSmell可以与电脑相连，当用户上网的时候，iSmell可以根据屏幕上的图像散发出不同的气味。2008年，荷兰飞利浦旗下公司开发了一项技术，将嗅觉引入游戏：选择游戏里相应的触发点，把它们跟外部一个产生气味的硬件设备相连，触发游戏里的这个道具或情境，就能够真的产生气味。这样玩家就能在玩《使命召唤》的时候真的闻到火药味。但时至今日，嗅觉表现往往只在4D影院等专业场所出现，并未与头盔显示器一样进入消费市场。除了设备成本的问题之外，嗅觉技术最大的难点在于：在参与者所处空间内里产生一种气味很容易，但是要这种气味很快消散掉，以便再引入另一种气味却是难题。
更困难的技术是对于味觉的模拟。新加坡国立大学研发出通过发送微小的交流电流和轻微的温度“欺骗”使用者的味蕾的设备，但这种在嘴里安装一个设备来体验虚拟现实影像的设想与其尽可能贴近自然感受的初衷仍不相符。
虽然在技术上还有很长的路要走，但触觉、肤觉、嗅觉与味觉对虚拟现实影像真实感的重要性毋庸置疑，而对人类感官几近真实的刺激与相应的表现也将成为虚拟现实影像未来的发展方向。
2.叙事
在影像艺术百余年的发展过程中，人们对于叙事的研究与实践一直未曾停止。基于结构主义叙事学、后经典叙事学的数字影像叙事研究近年来也取得了不少成果。
在影像艺术发展的最初阶段，叙事是朴素的、线性化的。影片往往按照时间的顺序呈现故事。线性化的叙事方式符合人类对于外部世界认知的规律，是人们最容易接受的叙事方式。现代叙事学的研究始于20世纪60年代，代表性的观点包括：法国作家罗兰·巴特（Roland Barthes）主张将叙事类作品分成三层，即叙述层、行为层与功能层。茨维坦·托多洛夫（Tzvetan Todorov）将叙事中的序列分为交替式、嵌入式、连接式三种，将叙事视角分为全知视角、内视角、外视角三种。结构主义概念成为经典叙事学最核心的内容。美国电影艺术研究者汤姆·甘宁（Tom Gunning）认为，电影肩负了过多的叙事功能。而当代数字影像，尤其是即将到来的虚拟现实语境下的数字影像却有形成横跨多种互相关联的媒体生态的趋势，电影业也越来越趋近跨媒体故事叙述体系，这其中对电影影响最大的就是游戏。以“好莱坞大片”为代表的数字影像的叙事结构越来越类似游戏，经典的叙事结构开始于主人公被迫开始一段冒险，在经过从小到大、从易到难的重重关卡之后，与最终Boss面对面决战并取得胜利。最具代表性的是《阿凡达》，片名“Avatar”即源于游戏，是玩家在游戏世界中化身的通用称呼。在两个世界中的“灵魂穿越”是游戏中屡见不鲜的设计，而其叙事和情节也精确地呈现了主人公过关斩将完成对最强大敌人的殊死一战，最终又面临个人抉择的经典套路。不得不承认，《阿凡达》的故事无论以电影或者游戏为呈现方式都不会让人觉得意外，因为其叙事结构已经成为通用范式，以至于《刺客信条》《寂静岭》《波斯王子》等从游戏到电影的作品仍然能够保持独特的生命力和吸引力。
进入虚拟现实语境之后，游戏化的叙事结构并不会成为困难，因为搭建一个完整而动力十足的虚拟世界正是游戏最驾轻就熟的构建方式，这种结构在虚拟现实语境的数字影像中得以继续发扬光大。在细节上需要探讨的是虚拟现实影像以第一人称作为视角后引起的叙事序列及视角的变化。经典叙事学将传统叙事序列分为三种，各类型影像创作往往是将积累序列以单独或组合的形式加以运用。这其中仍然存在叙事要符合人类认知与心理体验规律的问题。交替式序列与平行蒙太奇的叙事手法一样，需要避免令人头晕目眩的快速切换。嵌入式序列需要在长镜头与相对稳定的时空关系中寻找恰当的表现方式，这又可以借鉴游戏中常见的、在主线叙述中借由玩家选择进行不强制执行的支线剧情或翻阅场景中的各种资料来实现。而最简单的连接式序列则需要将连接点做合理化处理，简单粗暴的方式不再适用，而更多如Cold Case中惯用的借助遮挡物，在移动镜头时转换时空的方法会成为游戏设计师关注的重点。从叙事视角来看，全知视角和外视角带来的剥离感与虚拟现实影像对于沉浸感的追求是不相符的，而内视角的叙述方式可以将参与者的视点与影像视觉表现的视点相重合，通过“扮演”第一人称视角的主人公的方式，将叙事内容、人物情感融入其中，最大程度降低叙事与表现的割裂。结合叙事落脚点从英雄转向小人物的策略，能够进一步将平凡生活场景作为营造真实感的辅助，进而激发参与者最真实的情感反应。[10]
而从整个虚拟现实影像的叙事来说，最大的变革是叙事的整体观念。虚拟现实影像区别与传统影像的3I特征之一：交互性，将对叙事观念产生最为重大的影响。
（二）交互性
交互性作为虚拟现实影像最重要的特征之一，其含义主要有两个层面：一是参与者在虚拟现实影像的参与阶段与影像之间的交互，二是虚拟现实影像本身的叙事方式是交互的。而这两个层面又都指向同一个结果，即参与者不再如以往的观看经验一样被动接受，而是积极参与到影像实现的过程中，通过主动选择成为影像最终完整呈现所需要的关键环节。
在非交互影像的审美过程中，观看者与审美对象始终保持着主观与客观上的距离感，因为传统意义上审美的境界在于观看者通过审美对审美对象进行认知与情感投射，进而与影像的创作者达到认知与情感的共鸣。这种远距离的观照遵循的是单向原则，在这种原则下，无论观看者多么投入，也只能通过“凝视”这种被动的方式来接受创作者已经完成的、成为过去时的意义与表达，只能接受作品而不能改变作品，更不用说与艺术家直接交流了。这种无法弥合的距离感，只有通过审美想象才能消除，而艺术家在作品完成后获得观看者的反馈，也只能在艺术家的下一件作品中才能体现出来。
需要注意的是，艺术家对于艺术作品获得的反馈在本质上，其实是观看者对于艺术家后续作品产生影响的渠道。而艺术家接受或驳回审美主体对艺术作品的感受或建议，并在后续的作品中调整或加强原本的创作理念与方法，从结果上看，其实是一种艺术家与观看者通过作品而产生的异步的交互。交互的结果可能与观看者的期待相符，也可能大相径庭。因为任何直接的结果都只是多种反馈中的一种，无论这种交互得到的反馈是异步或是同步的，其结果并不会有根本的变化。
观众与影片的异步交互早已有之，无论是由观众在影片播放到关键时候投票选择故事走向的影像节目，还是根据观众意见编写剧本的美剧，虽然邀请观看者介入影像创作最初只是聚集人气的噱头，但其背后却体现着趋于常态的个性化观影需求。而通过重剪影像素材完成全新剧情的MAD作品则更体现了数字影像作品创作者与观众之间的异步交互需求与解决方案。
在虚拟现实影像中，这种交互的需求得到极大满足，原因主要在于它将观看者与艺术家异步的交互方式转变为参与者与创作者的实时交互。参与者与影像的交互在虚拟现实语境下的数字影像体验中是非常直观的，参与者通过转动头部或其他交互方式转换视角，从创作者提供的多种角度中选择一个来完成当前影像的体验。必要时，参与者通过语言、行为等交互方式对影像接下来要呈现的内容作出选择，最终影像会因为每一个参与者的不同选择而呈现不同的过程与结果，而同一个参与者也可以在不同的参与过程中对同一影像源作出不同的选择，完成不同的体验。作为影像源，创作者提供给参与者的不再是线性或非线性叙事的完整故事，而是模块化的影像集合，根据参与者的交互动作来决定呈现内容，最终实现一千个参与者创造一千个哈姆雷特的结果。
艺术作品的生命力来源于生活，而升华于艺术家的创作与想象，并最终完成于观众的主动参与。细思影像的发展与现状我们可以发现，无论是传统影像创作中常见的“体验生活”与“读后感”形式的异步交互，抑或现代影像曾尝试给予观众选择而最终完成作品的延时交互，其目的都是为了使观众能够更多地参与到作品的创作中，将“观看者”转变为“参与者”，完成更符合个人审美需求的艺术作品呈现。因此可以看到，艺术作品创作从异步交互到同步交互的发展是影像艺术发展本身的需求，而这种需求的实现依赖于能够为高度个性化影像生成提供必要保障的技术。数字影像，尤其是虚拟现实语境下能够实现同步交互的数字影像就为这种需求的初步实现提供了技术保障。
长久以来，视觉艺术一直存在看不见的“第四堵墙”。这个发源于舞台的概念在戏剧与影像艺术的实践与变革中被建立起来，又被不断挑战。众多非交互叙事的影像作品带来的往往是演员面对镜头或观众进行视线与言语的交流。这种交流是单向度的，其效果往往是让观众更加明确地意识到自己是在“观看”演员特意“表演”出来的内容。而真正打破“第四堵墙”，使参与者“光明正大”地成为影像中不可或缺的组成部分的，唯有在虚拟现实语境下以第一人称为视角，以同步交互为必要手段的数字影像。
（三）沉浸感
自影像艺术诞生之初，对沉浸感的追求就未曾停止。从《火车进站》开始，影像艺术家为了营造沉浸感，总是将影像本身的视听效果与观影环境两方面作为重点。《火车进站》选择火车从观众侧前方迎面驶近的角度，用特别搭建的放映环境将观众与现实中的其他人、物和环境相隔开，使观众在观看影像时，由于画面上表现出的奇观化的冲击力与阻隔现实环境的空间体验，而忘记自身所处的实际上是安全的观影环境，进而完全投入到影片营造的氛围中，实现了真正的“沉浸”。在这种状态下，就不难理解为何有观众看到火车进站的影像时会惊慌失措甚至起身逃离了。
虽然经历了百余年的发展，影像表现在艺术创作能力与技术实现手段上有了长足的进步，但在沉浸感的营造上仍然与影像艺术初期一脉相承。影像在有限的表现时间内为观众营造了一个“梦境”，而影像的“造梦”效果是建立在隔绝了现实环境的基础上的：在视听语言上，现代影像尝试运用更多视听手段将观众的注意力锁定在影片本身；现代影院在环境空间的营造上则采用更大的屏幕、更清晰的投影质量、更保真的声音、更好的隔音效果与黑暗的影厅环境将观众与现实环境隔绝，使观众更容易沉浸于影像本身。
而在追求“梦境”的实践道路上，虚拟现实技术的实现为影像的“造梦”提供了更好的体验条件。
第一，虚拟现实技术的核心概念之一即将参与者与现实环境隔绝开来，使参与者获得更好的沉浸体验效果。这在目的性上与当代影像艺术所追求的“造梦”的沉浸感是一致的。虚拟现实技术可以通过头戴式显示器等视觉设备提供立体影像，通过立体声耳机提供立体声场，将参与者从客观环境中剥离出来，结合数字技术创造的逼真的视听环境来最大限度地呈现使参与者沉浸其中。
第二，参与者与影像的同步交互与影像本质上交互叙事的属性，使得传统影像着力营造的“临场感”被虚拟现实影像创造的“在场感”所取代，参与者需要始终保持积极参与的态度来完成影像创造的体验。参与者正如卡罗琳·汉德勒·米勒（Carolyn Handler Miller）形容的那样，保持“身体向前”的状态，充分调动身体的各个感官，将影像播放的媒介感降低，直至产生进入另一个世界、进入梦境的幻觉。
与此同时，影像要使参与者获得沉浸感，前提是影像创造的虚拟世界需要有一个合理的世界观，使参与者在理解这个世界观的基础上，主动将自身对于这个虚拟世界的怀疑暂时搁置起来，全情投入到虚拟世界的交互中。因此可以说，沉浸感的实现不仅是技术层面和影片形态层面的问题，虚拟现实语境下的数字影像沉浸感依赖的仍然是影片本身高质量的创作内容。只有高质量的创作内容才能在虚拟现实媒介给予足够刺激的基础上，调动参与者的想象力，将媒介与现实的鸿沟填平，并在其基础之上建立起高度沉浸的虚拟世界。