- 综合排序
- 最热优先
- 最新优先
- 来自专栏MixLab科技+设计实验室
免费的 AI 动作捕捉工具 #Rokoko Video
近期，Rokoko 通过推出免费的 AI 动作捕捉工具 Rokoko Video来兑现这一承诺。 图片来源 ：Rokoko 为什么说 Rokoko Video 是一个不错的选择 ？ 一位使用过 Rokoko Smartsuit Pro 的 3D 艺术家和电影制作人也这样评价道“如果我使用动作捕捉，我想把它用于所有事情。 动作捕捉技术是能够赋予 “虚拟角色” 灵魂，并且在元宇宙中继续前进，当动画就像使用网络摄像头、手机或上传视频一样简单时，一切都将有可能发生。
2.9K20编辑于 2023-01-11 - 来自专栏冰漪叶的折腾
MMD模型应用到动作捕捉的经历
我是这么想的：MMD的PMX/PMD文件通过PMXEditor转换成OBJ格式的文件，再用3DMAX转换成FBX文件，直接导入到小K里面去
90010编辑于 2022-10-24 - 来自专栏全栈程序员必看
利用键盘钩子捕捉linux键盘动作,利用键盘钩子捕获Windows键盘动作
在本程序中我们需要捕获在任意窗口上的键盘输入，这就需要采用全局钩子以便拦截整个系统的消息，而全局钩子函数必须以DLL(动态连接库)为载体进行封装，VC6中有三种形式的MFC DLL可供选择，即Regular 在本程序中我们需要捕获在任意窗口上的键盘输入，这就需要采用全局钩子以便拦截整个系统的消息，而全局钩子函数必须以DLL(动态连接库)为载体进行封装，VC6中有三种形式的MFC DLL可供选择，即Regular 下载本文示例代码 利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获 Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows 键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作 发布者：全栈程序员栈长，转载请注明出处：
4K10编辑于 2022-08-15 - 来自专栏机器之心
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建
基于此，清华大学徐枫团队提出了仅使用6个惯性传感器（IMU）和1个单目彩色相机的同时实时人体动作捕捉、定位和环境建图技术（如图1所示）。 图1 本文提出同时人体动作捕捉与环境建图技术 具体地，本研究将6个IMU穿戴在人的四肢、头和后背上，单目彩色相机固定在头部并向外拍摄。 整个系统首次实现了仅基于6个IMU和1个相机的同时人体动作捕捉和环境稀疏点重建，运行速度在CPU上达到60fps，并在精度上同时超过了两个领域最先进的技术。该系统的实时示例如图2和图3所示。 惯性动作捕捉 惯性动作捕捉模块从6个IMU测量值中估计人体姿态和运动。本模块的设计基于我们之前的PIP[1]工作，但本工作中不再假设场景是一个平坦的地面，而是考虑在3D空间中捕捉自由人体运动。 该优化的因子图表示如下图6所示。 图6 动作捕捉约束的光束平差法优化因子图表示。 当轨迹闭环被检测到后，系统进行闭环优化。基于ORB-SLAM3[2]，记位姿图中的顶点集合为F，边的集合为C。
72350编辑于 2023-05-16 - 来自专栏ATYUN订阅号
AI动作捕捉工具精准跟踪身体各个部位，无需标记
普林斯顿大学研究人员创建了LEAP，一种灵活的动作捕捉工具，可以在几分钟内训练，以高精度跟踪数百万帧现有视频的身体部位，无需任何物理标记或标签。 你可能见过穿着“动作捕捉”套装的好莱坞明星，他们穿着的服装布满传感器，电脑把他们变成绿巨人、龙或被施了魔法的野兽。
4.4K10发布于 2018-12-29 - 来自专栏镁客网
动作捕捉技术，VR体验沉浸感的“助燃剂”
在电影《阿凡达》中，卡梅隆用动作捕捉技术完成了整部作品，让我们看到了动作捕捉在电影行业上的不可估量的潜力。在虚拟现实中，如果想要增强体验的沉浸感，动作捕捉技术也是必不可缺的技术。 但是，从目前的发展来看，想要实现比肩《阿凡达》的特效，VR中的动作捕捉技术还有很长的路要走。 什么是动作捕捉技术？ 动作捕捉抽象的说，就是能够捕捉你全身的动作，甚至是面部细微的表情变化，通过数据处理后，还原重建成一个三维模型的你，而且这个三维虚拟的你会随着你的动作变化而变化。 它就是把现实中人物的动作复制到电脑创建的虚拟人物上。然而说起来简单，但是要实现随时随刻捕捉你的各种动作，面对的技术问题非常多。 目前主流的动作捕捉技术主要有两种：光学式动作捕捉和基于惯性的动作捕捉。 基于惯性的动作捕捉技术 诺亦腾 国内的诺亦腾时开创了基于MEMS惯性传感器的动作捕捉技术，在VR兴起之后，诺亦腾又开始将其动作捕捉技术与VR产业相结合，并推出了一套全沉浸的VR解决方案——Project
1.9K40发布于 2018-05-29 - 来自专栏量子位
清华大学用6个无线传感器搞定全身动作捕捉，可跑可跳可打滚
△惯性动捕 最轻便的也得有5、6斤，价格便宜的就更重了能达到10几斤。穿在身上影响动作的灵活性，而且很快就会累了，基本无法日常使用。 视频中的装备，后面标记出来才看到，两人身上各自只戴了6个小型惯性传感器，还是无线的。 ? 现在市面上的VR设备主要用的是光学动作捕捉。 但动作捕捉的范围就只能是以头部和手部为主，腿部动作一直是难题。移动只能在画面里前进，并不能将腿部的具体动作在游戏中表现出来。 ? 除了个人VR游戏外，新的惯性动捕技术还可能降低商业动作捕捉的成本，让小规模的制作团队也有机会用上。 在游戏和动画电影中，动作捕捉摄影棚是这样的： ? 这恐怕只有大公司才承担得起了。 除了娱乐外，动作捕捉技术在医疗领域也有应用，可以用数据指导伤者更好地进行康复训练。 双向循环神经网络 这么好的方法是怎么实现的呢？原来是靠深度学习。 研究团队分阶段将动作捕捉拆成3个子任务。
1.3K50发布于 2021-06-17 - 来自专栏我爱计算机视觉
CVPR 2020 论文大盘点-人体姿态估计与动作捕捉篇
所有人体姿态估计（Human Pose Estimation）、手势识别（Gesture Recognition）、人体形状与姿态估计（Human Shape and Pose Estimation）、人体运动捕捉 人体姿态估计分为2D（6篇）和3D（11篇）两大类；手势识别只有两篇文献，一篇基于骨架，另一篇基于点云的；人体形状与姿态估计是同时计算人体的姿态和网格有，有3篇；动作捕捉对人体形状和姿态进行连续计算，反应人体的运动 另外还有一篇手持物体的姿态估计，同时对人手进行2D/3D姿态估计和物体6D位姿估计，代码已开源。 [6].Mixture Dense Regression for Object Detection and Human Pose Estimation 作者 | Ali Varamesh, Tinne 人体动作捕捉（Human Motion Capture） [24].ActiveMoCap: Optimized Viewpoint Selection for Active Human Motion
3.8K21发布于 2020-06-28 - 来自专栏3D视觉从入门到精通
CVPR2021：单目实时全身动作捕捉（清华大学）
Monocular Real-time Full Body Capture with Inter-part Correlations 摘要： 本文提出了第一种实时全身捕捉的方法，该方法通过单一颜色图像的动态 与早期的单目全身方法相比，本文中的方法通过估算统计人脸模型的形状、表情、反照率和光照参数等捕捉更具有表现力的3D人脸的几何形状和颜色。 与其他方法相比，研究人员使用相对6D旋转作为输出公式，并且在神经网络中另外估算了形状参数和比例因子。 与之前仅仅估计面部表情的全身捕捉的研究相比，利用这种方法，研究人员对形状，反照率和光照参数的回归可提供更为个性化和逼真的效果。 此外，该种方法不仅可以捕捉表情，还可以捕捉与身份相关的形状和反照率等参数，从而获得更具个性化的面部表情。接下来，研究的方向可能涉及身体纹理部分，以获得彩色的人体跟踪或人体表面的变形。
1K10发布于 2021-05-18 - 来自专栏AiCharm
SIGGRAPH 2023 | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建
基于此，清华大学徐枫团队提出了仅使用6个惯性传感器（IMU）和1个单目彩色相机的同时实时人体动作捕捉、定位和环境建图技术（如图1所示）。 图1 本文提出同时人体动作捕捉与环境建图技术 具体地，本研究将6个IMU穿戴在人的四肢、头和后背上，单目彩色相机固定在头部并向外拍摄。 整个系统首次实现了仅基于6个IMU和1个相机的同时人体动作捕捉和环境稀疏点重建，运行速度在CPU上达到60fps，并在精度上同时超过了两个领域最先进的技术。该系统的实时示例如图2和图3所示。 惯性动作捕捉 惯性动作捕捉模块从6个IMU测量值中估计人体姿态和运动。本模块的设计基于我们之前的PIP[1]工作，但本工作中不再假设场景是一个平坦的地面，而是考虑在3D空间中捕捉自由人体运动。 该优化的因子图表示如下图6所示。 图6 动作捕捉约束的光束平差法优化因子图表示。 当轨迹闭环被检测到后，系统进行闭环优化。基于ORB-SLAM3[2]，记位姿图中的顶点集合为F，边的集合为C。
1.1K20编辑于 2023-06-07 - 来自专栏计算机视觉工坊
CVPR2021：单目实时全身动作捕捉（清华大学）
Monocular Real-time Full Body Capture with Inter-part Correlations 摘要： 本文提出了第一种实时全身捕捉的方法，该方法通过单一颜色图像的动态 与早期的单目全身方法相比，本文中的方法通过估算统计人脸模型的形状、表情、反照率和光照参数等捕捉更具有表现力的3D人脸的几何形状和颜色。 与其他方法相比，研究人员使用相对6D旋转作为输出公式，并且在神经网络中另外估算了形状参数和比例因子。 与之前仅仅估计面部表情的全身捕捉的研究相比，利用这种方法，研究人员对形状，反照率和光照参数的回归可提供更为个性化和逼真的效果。 此外，该种方法不仅可以捕捉表情，还可以捕捉与身份相关的形状和反照率等参数，从而获得更具个性化的面部表情。接下来，研究的方向可能涉及身体纹理部分，以获得彩色的人体跟踪或人体表面的变形。
1.1K30发布于 2021-05-20 潜入数字深海：解密水下动作捕捉技术的应用与奥秘
这套设备，正是水下动作捕捉系统。 从海洋工程的船舶模型测试到水下机器人的精准操控，从影视动画的深海特效制作到康复医学的水下步态分析，水下动作捕捉技术正悄然改变着人类探索、利用水下世界的方式。 它如何突破水的阻隔实现精准捕捉？又在哪些领域创造着实际价值？本文将带你揭开水下动作捕捉的神秘面纱。一、什么是水下动作捕捉？ 二、水下动作捕捉的核心技术：如何驯服复杂水下环境？水下环境对技术的“苛刻要求”，让水下动作捕捉系统必须在环境适应性、捕捉精度和数据可靠性三个维度做到极致。 案例：某船舶研究所使用水下动捕系统测试新型LNG运输船模型，在10米×5米的测试池中，通过8台Mars4H UW镜头捕捉船体6个自由度运动（横荡、纵荡、垂荡、横摇、纵摇、艏摇）。 UW定制化大功率标记点，适应大型场景船舶模型测试、水下编队机器人100米亚毫米级五、FAQ：关于水下动作捕捉的常见疑问水下动作捕捉和陆地动捕的核心区别是什么？
44610编辑于 2025-08-08动作捕捉技术变革：有标记动捕VS无标记动捕
随着数字化和智能化科技席卷全球，动作捕捉技术正在影视、游戏、医疗等诸多领域中被广泛应用。同时，在这一发展进程中，有标记动作捕捉和无标记动作捕捉作为两大技术路线被区分。 有标记动作捕捉系统凭借其高精度成为工业级应用的主流，而无标记动作捕捉系统则是以其便捷灵活性加速了商业化的落地。 无标记动作捕捉无标记动作捕捉是一种无需在人体或物体表面粘贴物理标记点，仅依靠计算机视觉、深度传感器或人工智能技术直接捕捉运动数据的方法。 6、体育运动：通过捕捉运动员的动作细节，结合数据分析找出技术短板，辅助教练制定针对性训练方案。同时，分析动作中的受力关节角度、肌肉发力时序，识别易导致损伤的不规范动作，提前预警并优化动作模式。 而技术的选择核心在于精度需求和场景灵活性，追求高精度动作捕捉可以选择有标记动作捕捉，而追求便捷、低成本可以选择无标记动作捕捉。
73110编辑于 2025-08-19动作捕捉（Mocap）技术入门：从原理到 NOKOV 度量实战应用科普
作为连接现实动作与虚拟世界的 “桥梁”，动作捕捉技术如何实现？主流设备有哪些类型？专注于该领域的 NOKOV 度量又有哪些实战应用？本文将带你全面了解动作捕捉技术的奥秘。一、什么是动作捕捉技术？ 从技术本质来看，动作捕捉的核心是 “定位” 与 “追踪”：通过传感器、摄像头等设备捕捉目标的关键节点（如人体关节），再通过算法计算节点的空间坐标变化，最终生成可被计算机识别的动作数据。 二、动作捕捉技术的核心类型目前主流的动作捕捉技术可分为三大类，不同类型的技术在原理、精度、适用场景上各有差异。 、实时直播、运动分析无标记点动作捕捉基于计算机视觉和深度学习，直接识别人体自然特征（无需标记点）无需贴点、部署快速NOKOV Astra 无标记点系统快速原型开发、互动娱乐、体育训练其中，光学式动作捕捉和无标记点动作捕捉是当前精度与适用性平衡较好的技术 五、动作捕捉技术常见问题解答（FAQ）1.动作捕捉一定要在专业场地进行吗？不一定。
1.9K10编辑于 2025-08-15- 来自专栏企鹅号快讯
CMU提出基于学习的动作捕捉模型，用自监督学习实现人类3D动作追踪
这成为了限制动作捕捉的瓶颈，致使每次捕捉动作时必须用干净的绿布作为背景，并且要手动初始化或切换成多摄像头作为输入源。在本项研究中，我们提出了一个用于单摄像头输入的基于学习的动作捕捉模型。 当前，大多数动作捕捉系统都是优化驱动，其并不能从经验中获益。单目动作捕捉系统优化3D人体模型的参数以在视频中与测量结果相匹配（如人像分割、光流等）。 图1 动作捕捉的自监督学习 给定一个视频序列和一组2D肢体关节热图，我们的网络可预测SMPL3D人体网格模型的肢体参数。 相关研究 3D动作捕捉 使用多台摄像机进行3D动作捕捉（四个或四个以上）是一个已被详细研究的问题，其中现有的方法取得了令人印象深刻的结果。 然而，即使对于仅有骨架的捕捉/追踪，单个单目照相机的动作捕捉仍是一个尚待解决的问题。由于单目动作捕捉中的模糊和遮挡可能是严重的，大多数方法依赖于先前的姿势和动作模型。早期的研究考虑线性动作模型。
2.6K100发布于 2018-01-05 机器人动作捕捉：驱动智能体精准运动的“隐形之手”
在机器人从机械臂向人形进化的革命中，机器人动作捕捉技术正成为突破运动智能瓶颈的核心引擎。 作为国产高精度光学动捕领导者，NOKOV度量动作捕捉系统以亚毫米级精度和超低延迟，为机器人训练、控制与协同铺设了通往未来的高速路。 一、机器人动作捕捉：如何让钢铁之躯“活”起来？ 三、如何选择机器人动作捕捉方案？ 机器人自主生成未学习过的动作序列 FAQ：机器人动作捕捉关键疑问解答Q1：光学动捕为何比IMU（惯性单元）更适合精密机器人？ Q2：中小团队如何降低机器人动作捕捉成本？ 答：可采用NOKOV度量的轻量级方案（4相机系统），租金仅主流产品1/3，且支持按小时计费。 Q3：多机器人协同为何必须全局动作捕捉？
42710编辑于 2025-08-13动作捕捉摄像头技术解析与NOKOV度量系统应用案例
一、技术原理与分类对比1.1 光学动作捕捉摄像头工作原理：通过红外摄像机捕捉反光标记点（Marker）的2D坐标，经三角定位算法计算3D空间位置。 6自由度运动数据，驱动外骨骼实时调整助力扭矩。 2.3 工业仿真验证案例3：汽车装配动作优化技术实现：捕捉工人操作轨迹，通过AI算法生成机器人运动程序。数据亮点：某车企电路板焊接误差控制在±0.5mm，生产效率提升30%。 A：NOKOV Astra通过AI骨架识别实现无标记捕捉，但快速动作（如翻滚）误差会升至3mm。建议深色衣物场景使用主动发光标记点，识别率提升20%。Q2：如何解决多人捕捉时的标记点混淆？ NOKOV度量系统以高精度、强抗干扰性和场景适配能力，成为动作捕捉领域的标杆选择。
53110编辑于 2025-08-14动作捕捉系统是什么？从科幻到现实的精准运动解析技术
一、动作捕捉系统的技术本质与价值动作捕捉系统（Motion Capture System） 是通过光学、惯性或电磁技术，对人体/物体的运动轨迹进行数字化记录的高科技设备。 （如体育训练）诺亦腾AI无标记式通过深度学习算法从视频中直接提取关节、骨骼的关键点临床研究（医疗康复、运动科学）NOKOV度量动作捕捉 Astra无标记点动作捕捉系统1.2 为什么选择光学式动作捕捉？ 3D坐标，精度可达±0.03mm数据输出：生成关节角度、速度、加速度等生物力学参数案例：清华大学孙富春团队在无人机协同项目中，通过Mars4H系统实现6架无人机编队的亚毫米级轨迹捕捉，验证了分布式控制算法的有效性 五、FAQ：关于动作捕捉系统的常见问题解答5.1 动作捕捉系统的精度如何保证？ 5.4 动作捕捉数据可以应用于哪些领域？
69510编辑于 2025-08-07- 来自专栏人工智能领域
数字人技术的核心：AI与动作捕捉的双引擎驱动（210）
2.2 动作捕捉：构建数字人 "灵动身躯" 光学捕捉：通过红外摄像头追踪标记点，实现毫米级精度 光学动作捕捉系统主要由红外光摄像机、被动或主动标记以及动作捕捉分析软件组成。 在舞蹈教学领域，舞者可以佩戴惯性捕捉设备，在舞蹈教室中进行舞蹈动作的录制和分析，教师可以通过回放捕捉到的动作数据，对舞者的动作进行精准指导，帮助舞者提升舞蹈技巧。 单目视觉：普通摄像头即可完成低成本动作采集 单目视觉动作捕捉技术利用普通的摄像头作为采集设备，通过计算机视觉算法对摄像头拍摄的视频图像进行分析和处理，实现对人体动作的捕捉。 在这一过程中，动作捕捉技术实时采集真实人类的动作数据，并将其转化为数字信号，为数字人的动作驱动提供数据支持。 光学捕捉：利用红外摄像头追踪标记点实现高精度动作捕捉。 惯性捕捉：基于MEMS传感器记录关节运动的动作捕捉技术。 单目视觉：利用普通摄像头实现低成本动作捕捉。
1.3K10编辑于 2025-04-09 人体动作捕捉设备：从原理到应用，NOKOV度量系统的创新实践
一、技术原理与分类：从实验室到商业化的技术演进1.1 动作捕捉技术的核心原理动作捕捉技术通过传感器、摄像头等设备，将人体或物体的运动轨迹转化为数字信号，最终重建为三维模型。 1.2 主要技术分类对比1.3 NOKOV度量系统的技术定位作为国产光学动作捕捉系统的代表，NOKOV采用标记点式光学技术，结合自主研发的高性能摄像头与算法，实现：亚毫米级精度（±0.05mm）1200 工业与娱乐：虚拟与现实的融合案例5：中国矿业大学蛇形机器人巡检中国矿业大学唐超权团队通过NOKOV度量验证蛇形机器人运动算法：关节角度数据与惯性传感器融合高空电缆巡检路径优化误差补偿后定位精度提升25%案例6： 元宇宙戏剧《脑死亡自助餐》国内首部实时动捕戏剧中，NOKOV度量实现：演员动作与虚拟角色无缝同步多人交互场景实时渲染观众视角动态追踪技术四、未来趋势：动作捕捉技术的跨界融合4.1 技术升级方向无标记点技术 Q4：能否用于户外大场景动作捕捉？A：NOKOV度量的广角镜头与抗干扰算法支持最大50m×50m场地，搭配防晒罩与补光设备可适应户外环境。Q5：未来动作捕捉技术会取代演员吗？
46110编辑于 2025-09-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号