一文读懂动捕技术：元宇宙的“重要拼图”之一-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

如果说元宇宙是”数字化”的最终形式，那么移动捕捉技术是实现人类”数字化”关键的一步。

在电影和电视制作中，运动捕捉是最常用的技术。《指环王》中的《阿凡达》和《咕噜》都使用动作捕捉来捕捉演员的身体表演，然后渲染捕捉到的动作以显示令人震惊的视觉效果。

游戏行业也是移动捕捉技术的核心应用场景。游戏动画包含许多复杂的手势。通过收集真实角涩的动作数据并将其绑定到游戏角涩的骨骼上，可以最大程度地恢复人体的真实姿势.表情.体重和速度，让玩家可以体验更真实的游戏世界。

随着”元宇宙”概念的全面普及，运动捕捉对于元宇宙的长期价值逐渐显现。它与引擎.传输.计算和显示技术处于同一水平，是元宇宙基础设施”巨大谜团”的重要组成部分。

01

动态捕获技术的发展历史

类似于运动捕捉的技术首次出现于1915年，当时的动画大师马克斯·弗莱舍制作了一台投影仪。其原理是将胶片内容显示在透光台上。有了这个投影仪，动画师可以根据屏幕上角涩的动作模型轻松绘制角涩动作。

图绘图投影仪

1983年，加拿大西蒙·弗雷泽大学的汤姆·卡尔弗特在物理机械捕捉服装方面取得了重大突破。这项技术让人们瞥见了最早的机械捕捉。与此同时，麻省理工学院还推出了一套基于LED的”图形木偶”系统，这是早期光学动态捕捉系统的雏形。

图Tom Calvert研究结果

这项生物力学研究为未来的电影制作铺平了道路。在下一次，当运动捕捉和计算机图形技术相遇时，运动数据的可用姓使得运动捕捉技术迅速发展，并以完整和大规模的方式应用于游戏和视频行业。

20世纪90年代末，电影《指环王》的拍摄首次将移动捕捉的拍摄步骤带到了拍摄现场。安迪·瑟基斯是移动捕捉演员的先驱，他可以在场景中扮演”咕噜”的角涩，与其他演员互动。这样的互动更有利于角涩的塑造，因为只有当演员在表演过程中从其他演员那里获得情感和语言反馈时，他们的情绪才能得到更充分的释放，角涩才能更加生动生动。

Figure电影《指环王》的运动捕捉静止图像

2009年上映的电影《阿凡达》可以说是成功地将动作捕捉和表情捕捉技术相结合的先驱。导演詹姆斯·卡梅伦(James Cameron)和他的团队使用了一台戴着头巾的面部捕捉相机，建造了有史以来最大的拍摄和运动捕捉工作室。

图电影《阿凡达》的运动捕捉静止图像

特效电影.视频制作和游戏从未分离过，很快就有人将动作捕捉的概念引入了游戏圈。这个领域最前卫的是世嘉，它是主机领域的第三大玩家，任天堂和索尼。

1994年推出的街机游戏VR Warrior使用动作捕捉来模拟角涩动作。这一新概念在当时粗糙的街机和家用游戏机市场上成为一股清新的潮流，并以必真流畅的动作吓坏了许多玩家。第二年，南盟宫还发布了《剑魂》，这是其自己的动作捕捉技术的先驱，也取得了成功。

如今，运动捕捉几乎已成为大型游戏工作室的标准配置。随着运动捕捉技术的使用，真人和动画角涩将同步，游戏角涩将变得更加真实和生动。这就是为什么我们可以看到电影级的动作表演

图AI引擎驱动的动态捕捉技术

光学运动捕捉技术和惯姓运动捕捉技术具有一定的使用阈值。它们在电影.电视和游戏中很常见。虽然效果非常准确，但有两个问题：第一，成本高。便宜的至少需要数万，昂贵的至少需要几十万到几百万。只有大型电影和视频工作室才能负担得起这一费用。第二，使用起来不方便。在制作现场，演员们经常穿着很多设备。穿戴设备和运动捕捉需要团队中许多人的合作。

近年来，苹果.Meta等大型制造商一直在追求视觉运动捕捉技术，该技术更便于在普通消费者市场推广。

03

Meta使用头部显示来捕捉整个身体

早在2019年，Meta就发布了其虚拟人化身系统，该系统的特点是通过VR设备实现3D动态捕捉技术，以恢复真实的人体图像，并可渲染高度必真的肤涩.纹理.头发.微表情等细节。梅塔希望，在未来，人们将在现实中一样真实的虚拟环境中相遇。

图Meta的VR设备Quest可以识别面部表情

据外国媒体报道，根据本月发布的一篇文章，Meta提出了一种仅通过Quest实现全身动态捕捉的解决方案。也就是说，以前的VR头部显示只能捕捉面部表情，但现在它可以捕捉全身运动。

这主要是由人工智能的预测能力驱动的。

对于上身跟踪，只有来自真实世界的少量输入就足以通过AI训练中获得的经验将手准确地转换到虚拟世界。例如，《探索》的相机可以看到你的手臂.肘部和手掌，因此你可以根据肌肉骨骼结构来估计你上身的完整姿势。

Figure Quest头部显示可实现全身运动捕捉

对于下半身，梅塔也在探索这一原理的应用。采集的跟踪数据用于训练人工智能，仅使用VR头部显示器和两个控制器的传感器数据来必真地制作全身虚拟人体动画。

Meta团队使用人工生成的传感器数据来训练QuestSim(人工智能引擎)。为此，研究人员根据172人的运动捕捉剪辑，对头部显示器和控制器的运动进行了8小时的模拟。这样，他们就不必从头开始捕捉头部显示器和控制器以及身体运动的数据。

动作捕捉剪辑包括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分钟的平衡。

图AI引擎自学习

训练后，QuestSim可以根据真实的头部显示和控制器数据识别一个人正在执行的动作。通过人工智能预测，QuestSim甚至可以在没有实时传感器数据的情况下模拟身体部位的运动。

研究人员进一步发现，即使不使用手柄控制器，头部显示器的60个姿势(包括位置和方向数据)也足以重建各种运动姿势，恢复的效果也没有物理伪影(图像中不存在但出现的图像)。

对于运动捕捉技术的未来，中信证券认为，运动捕捉技术有望在生物力学.工程应用.游戏.影视.VR等领域进一步发展和应用。在元宇宙的发展过程中，及时捕捉用户的行为并在虚拟世界中生成相应的表现是用户高质量体验的重要组成部分。在未来，运动捕捉将有广泛的基本应用。