在数字娱乐内容创作领域，动作捕捉技术已成为影视、游戏及动画制作的核心生产力工具。
近年来，这一领域内已涌现出众多现象级作品，背后离不开动捕技术的强力支撑，无论是通过青瞳视觉动作捕捉技术赋能的国产3A大作《影之刃零》，还是助力原力打造的国内首部采用"真人动捕+实时渲染"技术的动画作品《凡人修仙传》，这一技术作为创意产业的核心支撑，既是效率加速器，更是连接科技与创意的关键桥梁。
但长久以来，从数据采集到最终成片的动捕过程中，耗时以天计的解算流程、无法避免的人工修正、动捕过程中由于遮挡错失的标记点信息等痛点，像枷锁般禁锢着动捕效率。
去年5月，原力推出自研的基于神经网络的动作捕捉解算系统DeepMocap，以海量的实际生产动作捕捉数据为基础，并对动捕数据进行了符合先验分布的数据增强作为训练数据集，由此实现在不完美甚至错误marker标记点信息下解算出正确的骨骼动画数据的效果，大幅提升动捕解算效率，减少人工修正成本。时隔一年，原力将该技术进一步打磨升级，发布全新的Kenitiq AI解算器，颠覆性提升行业效率、解决多项传统动作捕捉流程痛点！
CMAvatar全新升级！动捕不再是“慢工出细活”
全新升级版CMAvatar3.0正式发布！青瞳视觉再次与原力展开深度合作，通过把原力数字自研的Kinetiq AI解算器独家集成到青瞳的CMAvatar动捕系统中，极大地提升了动捕解算效率，减少人工修正成本，解决多项传统动作捕捉流程痛点，让使用者的动捕体验与动捕效率大大提升。
相较于CMAvatar2.0动捕系统，Kinetiq AI解算器拥有诸多优势：
1.更 “聪明” ：标记点掉了、被挡住了、标错位置了……传统解算系统应付不了的，Kinetiq都能解决；
2.更 “省事” ：集成的Kinetiq拥有“超高智能”，对骨骼动画数据的解算又快又准，几乎无需人工再次矫正；
3.更 “灵活” ：Kinetiq拥有2种集成模式和2种解算模式，可以灵活适配不同的使用情况和需求；
4. ……
（开启Kinetiq解算器前后效果对比）
青瞳视觉&原力数字科技
强强联手，打造顶尖动捕数据处理流程
作为全球光学动捕领域头部服务商，凭借深厚的技术积累和丰富的行业经验，青瞳视觉携手行业领军者原力数字科技，深度合作共同探索光学动作捕捉技术的新范式。经过两年多的不懈努力与技术攻坚，成功将Kinetiq AI解算器无缝集成至CMAvatar 3.0，不仅延续了高精度动捕数据处理的优势，更突破性地解决了传统流程中的多项痛点，为用户带来前所未有的动捕体验，大幅提升动捕效率，为行业树立了新的标杆。
AI 解算器 Kinetiq 具备2种可灵活适配的集成模式，为不同动捕场景打造定制化解决方案。
模式一：从Marker点云到骨骼数据的全流程解算|专攻复杂场景
针对标记点易混淆或遮挡的复杂场景， Kinetiq AI 解算器可以提供强大的全流程自动化处理模式。
在青瞳视觉的光学摄像头快速采集并重建动捕演员身上的原始 未标注3D 标记点后，无需人工操作，艺术家可以直接将这些未处理的标记点输入 Kinetiq AI解算器。解算器会依次完成两项核心任务：
先通过神经网络化身 “智能标注员”，自动识别并标注每个 3D 点对应的身体部位（如判断某个点对应的是 “左手腕” 还是 “右膝盖”），以更高效的AI计算替代传统流程中耗时的人工标注环节；随后，基于智能标注过的标记点，解算骨骼关节的旋转、位移数据等，最终输出流畅自然的动作动画。
采用此模式的CMAvatar 3.0优势在于，从数据采集到动作生成，全程几乎无需人工干预，即使在武打戏肢体交叠、舞蹈高速旋转等极端场景下，也能凭借 AI 的智能处理能力稳定输出可用数据。
（ 被遮挡情况下Kinetiq AI解算器仍能准确解算）
模式二：比传统优化算法更加准确的骨骼解算|分工增速提效
当经典动捕流程提供高质量的标记点识别结果时，AI 解算器 Kinetiq 则化身 “高效解算引擎”，专注于骨骼运动学解算的核心环节。
在经典动捕流程完成对3D标记点的预标注后，艺术家即可将标注后的数据输入AI解算器 Kinetiq 。Kinetiq 解算器对于标注数据的深度理解与优化能力，让它不仅可以接受自身处理的标记数据，也能充分适应不同数据来源的标记，大大增强了实际应用中的普适性和可操作性。
此时解算器只需专注于骨骼运动学解算这一核心环节，可以集中算力，全力运行，将计算资源集中于关节旋转、位移数据的精准解算。
这种分工协作、专注单一流程的模式大幅降低了AI解算器的计算负担，让解算效率进一步提升，尤其适合单人简单动作捕捉或对实时性要求极高的场景。
注：采用此方案时，需要确保标记点标注的高度准确性，避免将错误传递至后续解算。
（Kinetiq 实时解算，无惧复杂场景及遮挡）
通过 “全流程智能” 与 “精准分工” 的有机结合，集成了Kinetiq AI解算器的CMAvatar3.0成功构建起几乎可覆盖全应用场景的动捕数据处理流程。两种集成模式相辅相成，充分考虑落地情况，能够更合理地应对实际生产过程中的不同情况，共同打造出更高智能、高效率、高质量的行业领先的动捕实时解算工具。
摆脱传统动捕痛点
颠覆突破，Kinetiq AI解算器打造行业新标
为了更好地适应不同实践情况，Kinetiq 解算器还提供了两套专业解算模式：实时解算模式和后处理解算模式。
实时解算模式在marker标记点丢失或者错误标注时，仍可以解算出合理的骨骼位置，方便拍摄人员查看实时效果。且随着训练数据集的不断扩大，神经网络能够持续迭代优化最终的解算效果。
后处理解算模式则能够充分利用前后帧数据信息，进一步提升解算结果的准确性，大幅减少动捕拍摄人员需要逐帧修复marker标记点数据来生成合理骨骼动画数据的工作量。
[骨骼解算结果对比]
CMAvatar2.0解算结果中存在大量错误标记点（红色部分），动作出现变形、移位。
集成了Kinetiq AI解算器的CMAvatar3.0则能完美解算出正确动画，无需后期修复。
可以看出，相较CMAvatar2.0，Kinetiq AI解算器加持的CMAvatar3.0能够很好地处理marker标记点不准确甚至错误的情况。
比如动捕演员在做复杂动作或多人交互表演时，标记点几乎不可避免地贴近甚至在镜头里“重合”或被遮挡，没有配备“AI大脑”的传统流程无法应付这类场景，只能生成凝滞甚至乱晃的错误解算动画，必须依靠人力进行修复和矫正。
而CMAvatar3.0凭借Kinetiq AI解算器强大的解算机制，则能通过“智慧”完美地解算出正确的骨骼动画数据，让传统的动捕解算流程从“系统辅助，依赖人工”彻底颠覆，走向“AI 全自动解算”的新时代。
除了减少人工标记和校准时间，提升解算效率，Kinetiq AI解算器在数据处理流程、环境适应性、遮挡处理等方面均有不同程度的提升，解决传统流程中多项痛点。
无论是效率、质量还是稳定性，Kinetiq AI解算器都为动捕相关的生产需求提供了更加完美的选择。
[CMAvatar2.0 VS 集成Kinetiq AI解算器的CMAvatar3.0]
●数据处理流程：CMAvatar2.0数据依赖人工处理，艺术家要花费大量时间进行校准、标记点追踪和后期手动修复；得益于Kinetiq AI解算器神经网络的端到端处理能力，CMAvatar3.0可以实现自动化解算，既节省人工成本，也能节省大量校准时间。
●环境适应性：CMAvatar2.0对光照已有优秀的抗干扰处理能力，但在特殊场景下仍可能会出现部分干扰情况；而集成Kinetiq AI解算器的CMAvatar3.0大幅提升抗光照干扰能力，能够充分适应各种复杂环境。
●遮挡处理：CMAvatar2.0的标记点一旦遇到遮挡，会有概率出现丢失数据的情况，需要花费大量的人力和时间进行人工补帧；而 Kinetiq AI解算器可以通过神经网络预测遮挡部位运动，让CMAvatar3.0鲁棒性显著提升。
注：鲁棒性，即robustness 的音译，总体来说其可以用于反映一个系统在面临着内部结构或外部环境的改变时也能够维持其功能稳定运行的能力。
（kinetiq解算器与非AI解算器效果对比-撞墙测试）
（kinetiq解算器与非AI解算器效果对比-交缠测试）
将骨骼解算结果重叠对比，我们可以很直观地看到，集成了 Kinetiq 解算器的CMAvatar3.0能准确地解算出演员被遮挡或身体重叠时的动作数据，而CMAvatar2.0则会让演员的动作“到处乱飞”，增加了大量的人工修正成本。
从依赖人工修正繁琐数据的CMAvatar2.0，到AI自主解析实现全流程智能化的升级版系统，集成了 Kinetiq AI 解算器的CMAvatar3.0不仅为动捕产业效率按下"快进键"，更突破了传统应用边界。此外，对于数字娱乐领域内经常出现的手指精细动作、四足动物以及多刚体型复杂道具的捕捉难题，CMAvatar3.0亦能为艺术家带来更省时、省力、省成本的畅快创作体验！
除Kinetiq AI 解算器外，原力数字的黑科技还有很多，目前正在通过强化学习开发精修工具，从而实现专业级数据修复，智能修正动捕数据的细节瑕疵。期待未来，青瞳视觉能与原力展开更多深化合作，将更多尖端的AI技术融入到动捕创作流程中，让全球创作者都能实现更智能的艺术表达。
无论是影视作品中栩栩如生的角色演绎，游戏场景中流畅自然的互动体验，还是虚拟数字人的真实情感表达，青瞳视觉的技术创新正重新定义数字内容的生命力。
除数字娱乐外，无论您是从事具身智能、工程科研，还是虚拟现实、生命科学、教育等领域，我们都能提供专业的全栈式定制化解决方案，如您对我们的方案或产品感兴趣，可在【青瞳视觉】官方微信进行留言，或拨打电话15214312374（微信同号）进行联系，获取专属方案。青瞳视觉官网 www.chingmu.com。