中阳期货官网

若是说元宇宙是“数字化”的*形态，那动捕手艺则是实现人“数字化”的要害一步。

在影视制作中，动作捕捉是最常用到的一项手艺。无论是《阿凡达》照样《指环王》里的咕噜，都是先行使动作捕捉采集演员的肢体演出，再将捕捉到的动作渲染处置后，才出现出震撼的视觉效果。

游戏行业也是动捕手艺的焦点应用场景。游戏动画中包罗许多庞大的姿势动作，通过采集真人演员的动作数据，绑定到游戏角色的骨骼上，可以*水平地还原人体真实的姿态、神色、重量和速率，从而让玩家能够体验到加倍真实的游戏天下。

随着“元宇宙”观点的周全普及，动作捕捉对元宇宙的耐久价值也逐渐展现出来，它和引擎、传输、盘算和显示等手艺处于统一级别，是元宇宙底层建设这块“伟大拼图”中的主要一块。

01、动捕手艺生长历程

类似动作捕捉的手艺最早泛起在1915年，那时的动画大师 Max Fleischer 制作了一台放映机，原理就是把胶片的内容显示到透光台上。依附着这台放映机，动画师可以很利便地照着画面中人物的动作造型，来绘制角色动作。

图 | 绘画放映机

1983年，加拿大思蒙弗雷泽大学的Tom Calvert在物理机械捕捉服装上取得的重大突破，这一手艺让人们见识到了最早的机械类捕捉。与此同时，麻省理工也推出了一套基于LED的“木偶图像化（graphical marionetter）”系统，这就是早期光学动捕系统的雏形。

此番生物力学研究为未来的影片制作铺平了蹊径，在接下来的时间里，当动作捕捉与盘算机图形手艺相遇，动作数据的易得性使动作捕捉手艺快速生长，并相继被完整、大规模地运用到游戏与影戏行业。

90年终，影戏《指环王》的拍摄则*次将动捕拍摄步骤带到了拍摄现场，动捕演员先驱Andy Serkis在园地中可以作为“咕噜”这一角色和其他演员举行互动，这样的互动加倍有利于角色的塑造，由于只有当演员在演出历程中获得了其他演员的情绪和语言反馈，自身情绪才气更酣畅地被释放，角色才气加倍有血有肉、活天真现。

2009年上映的影戏《阿凡达》可以说是将动作捕捉与神色捕捉手艺乐成连系的先驱者。导演James Cameron与团队使用了头戴式面部捕捉相机，并确立了有史以来*的拍摄与动作捕捉影棚。

*影视制作和游戏从来是不分居的，很快有人把动作捕捉的观点带到了游戏圈。在这个领域*有先锋意识的是那时在主机领域与任天堂、索尼三分天下的世嘉。

它1994年推出的街机游戏《VR战士》就使用了动作捕捉模拟人物行动。这种新观点在那时粗拙的街机和家用机游戏市场成为一股清流，用真切流通的动作吓呆了一众玩家。隔年，南梦宫也推出了《刀魂》，作为自家动作捕捉手艺的先锋军，也取得了乐成。

现在，动作捕捉险些成为大型游戏事情室标配，行使动捕手艺，真人和动画人物是同步的，游戏角色会显得加倍真实、生动。这就是为什么我们可以在游戏中看到影戏级水平的动作演出。

02、常见的动捕手艺

随着手艺的成熟，现在动作捕捉手艺应用的领域也越来越普遍了，从动画制作、人机交互、到机械人遥控、体育训练等等，甚至现在的虚拟人直播，也是用的动捕手艺。

面临差其余使用场景，动捕手艺也泛起了多种手艺蹊径，常见的有光学动作捕捉手艺、惯性动作捕捉手艺以及视觉动作捕捉手艺。

光学动作捕捉手艺操作的时刻会直接在人的身体上举行简朴的符号，符号点会直接反射到提前设定好的摄像机上，然后再通过反射的差异位置的成像信息来预算符号点的空间运动信息，最终将信息举行简朴地定位以及输出。

惯性动作捕捉手艺会直接在人的身上佩带陀螺仪，人在运动的时刻，陀螺仪也会随着举行旋转。此时，直接通过感知陀螺仪的旋转信息将人的运动推算出，然后实现动作捕捉。

图 | 惯性动捕需穿着种种装备

视觉动作捕捉手艺在操作的时刻是不需要符号和佩带装备的，只要在人的流动局限内通过通俗的摄像头举行动作的录制，将人体要害信息举行识别，然后接纳特殊AI算法实现动作捕捉。

光学动作捕捉手艺和惯性动作捕捉手艺有一定的使用门槛，在影视和游戏领域对照常见，虽然出现的效果异常精准，但存在两个问题：*，成本高。廉价的至少也需要几万，贵的则需要几十万至几百万不等，只有大型影视和游戏事情室才气肩负得起这种成本。第二，使用不利便。在制作现场，动捕演员身上往往穿着许多装备，穿着装备与动作捕捉需要团队多人配合。

而更便于在通俗消费者市场举行普及的视觉动作捕捉手艺，近年来受到苹果、Meta等大厂的追逐。

03、Meta用一个头显搞定全身动捕

早在2019年，Meta就曾宣布其虚拟人头像系统，其特点是通过VR装备举行3D动捕手艺来还原真人形象，可渲染出高度保真的肤色、纹理、毛发、微神色等细节。Meta希望未来人们在虚拟环境中碰头就像在现实中一样真实。

据外媒报道，凭证本月公布的一份论文，Meta提出了一种仅通过Quest实现全身动捕的解决方案。也就是说，此前VR头显仅仅可以将面部神色举行动作捕捉，而现在已经可以实现全身动作捕捉。

这主要是由人工智能的展望能力所驱动的。

对于上半身追踪，通过在AI训练历程中获得的履历，仅需来自现实天下的少量输入就足以将双手准确地转换到虚拟天下。例如，Quest的摄像头可以看到你的手臂，肘部，手掌，以是可以很好地凭证肌肉骨骼结构估量上半身的完整姿态。

现在对于下半身，Meta同样在探索行使这一原理。使用网络的追踪数据训练人工智能，仅使用来自VR头显和两个控制器的传感器数据，就可以真切地制作全身虚拟人动画。

Meta团队使用人工天生的传感器数据训练QuestSim （AI引擎）。为此，研究职员凭证172人各8小时的运动捕捉剪辑模拟了头显和控制器的运动。这样，他们就不必重新最先捕捉头显和控制器与身体运动的数据。

动作捕捉剪辑包罗130分钟的步行、110分钟的慢跑、80分钟的手势、对话、90分钟的白板讨论和70分钟的保持平衡。

图 | AI引擎自我学习中

训练后，QuestSim可以凭证真实的头显和控制器数据识别出一小我私人正在执行的动作。行使人工智能展望，QuestSim甚至可以模拟没有实时传感器数据的身体部位运动。

研究职员还进一步发现，纵然不用手柄控制器，只需要头显的60个姿势（包罗位置和偏向数据），就足以重修种种运动姿态，还原出来的效果同样没有物理伪影（本不存在却泛起在影像中的成像）。

对于动捕手艺的未来，中信证券以为，动捕手艺有望在生物力学、工程应用、游戏、影视、VR等偏向进一步生长和应用。在元宇宙生长的历程中，捕捉用户动作并实时天生虚拟天下中的响应显示是用户高质量体验的主要一环，未来动作捕捉将有普遍的基础应用空间。