IM电竞(中国)

　　自1915年动画大师Max Fleischer研发影像描摹技术“Rotoscope”起，动捕技术便有了雏形。而直到1990年，在电影《全面回忆》中，动捕技术终于在银幕上正式亮相。进入新世纪后，动捕技术迎来了发展黄金期，2008年一部《阿凡达》让动捕技术为大众所熟知，也让原力充分接触到国际顶尖动捕技术，开始了自己的动捕之路。于是，2020年，使用“真人动作与面部表情捕捉+实时UE引擎”整套实时动画制作流程的《凡人修仙传》动画年番横空出世，开启了国漫动画新类型，原力也在动捕技术升级的道路上越走越远——实时Online动捕技术、OF_DeepFace: 基于神经网络的无标记点实时面部动画捕捉系统、用于数据处理的基于神经网络的全自动面部动画生成系统……

　　比起传统的动画制作，动作捕捉技术可以通过记录人体运动数据，更加快速、便捷地将人体动作数据化，使现实表演能够快速生成为虚拟数据和基础动画，大大提升动画制作效率，因此，在国产动画和游戏中，动捕技术的使用率已经越来越高。而原力作为微软、索尼、EA、奈飞、腾讯等国际知名企业的合作伙伴，几乎每年都要捕捉上千分钟的动捕数据，这些积累的庞大数据库不仅是原力的核心竞争力之一，更为原力继续优化、升级动捕技术提供了深厚的数据支撑。

　　如今，原力厚积薄发，再次推出硬件、软件两方面的动捕质量和效率提升神器——无标记点双目单图传面捕DeepFace 2.0和基于神经网络的动作捕捉解算系统 DeepMocap！

　　2021年，原力自研的无标记面捕技术Deepface正式投入公司动画电影和剧集的生产制作过程，并向行业内全面开放，大幅提升了动画生产制作流程的生产力，将艺术家从大量繁琐的人工修正工作中拯救出来，能够将更多精力投入到提升艺术表现效果上。

　　在近3年的使用过程中，艺术家和生产管理部门根据自己的流程需求，为Deepface提供了大量反馈。根据这些反馈，研发部进行了针对性攻克，终于在日前完成了对面捕整体系统的更新换代，正式推出一款基于自研双目头盔的无标记点面部捕捉解决方案！

　　在上面的动图中，动捕演员头部佩戴的就是单目头盔，这也是当下面部捕捉最常见的工具。但是单目头盔采集出的面部动捕数据质量仍有缺陷，在细节方面，单目头盔并不能完美捕捉演员的微表情，解算出来的面捕数据存在大量需要艺术家手工调整的部分。IM电竞下载于是，原力技术团队突发奇想：“一只眼睛”采集不好，那“两只眼睛”呢？

　　头盔的外形设计综合考虑了轻量化、稳定性和人体工程学，利用人体测量头部扫描，可以根据头部形状进行贴合设计，为每个用户提供个性化的定制外形设计。此外，头盔采用尼龙烧结打印技术，可以显著减轻头盔的重量，并增强头盔稳定性，尽量为动捕演员减轻不适应感。同时，使用者可以通过棘轮结构控制头盔尺寸，针对不同的头尾进行收缩加固，摄像头的角度也可以调节，最大化地为演员沉浸式表演减少阻力。

　　原力自研双目动捕头盔能够同时捕捉2个1080p、60帧的画面，但摄像头横截面直径仅有21mm，能够最大限度地避免对演员视线的遮挡。同时，头盔内置了12颗940红外补光灯，配合红外镜头，可以消除面部阴影，使画面输出更加稳定，并支持黑白、彩色两种模式切换。

　　要做到这样的技术呈现，核心在于头盔内置的一张卡——单图传板卡。此卡为单图传采集设备，它能够采集上下两个摄像头的数据信号，通过原力自研硬件编程将数据整合成一个三路信号并进行输出。图传采用YUV422的编码方式，应用原力自研软件即可通过算法将信号重新分解出来，组成两路图像信号。

　　由此，双目头盔打破了双路信号必须使用两块图传卡的限制，减少了数据采集流量吞吐负担，也大大缓解了双采集卡可能导致的硬件设备重量过重的问题。

　　在面捕系统方面，原力技术团队将DeepFace 内部算法从单图像输入改为双图像输入，并在原有的网络结构基础上改进了结构，加深网络层数并加入残差模块，使得网络能够更准确的学习到角色动画和演员表演的对应关系。最直观的表现就是，双目面捕在精细动作的捕捉（如眼睛是否闭死及嘴部的细微开合）方面，效果明显优于单目面捕解算网络。

　　根据采集方式的不同，动捕技术可分为惯性动作捕捉、光学动作捕捉和面部表情捕捉等，目前市面上最常见的是光学动捕，它使用传统算法，工作原理是根据捕捉到的marker标记点，由算法系统计算出骨骼在三维空间的动作数据。

　　但传统流程有一个十分显著的问题——信号不稳定。在光学捕捉流程中，marker标记点的位置经常会被遮挡或者错误识别，造成骨骼信息解算的错误。所以在传统捕捉流程中，往往需要耗费大量的人力来针对这些采集错误的信息进行人工矫正，导致生产效率低下。

　　原力经过三年的深度研发，终于开发出一套从marker标记点使用神经网络直接解算骨骼数据的深度学习算法以及对应的应用工具。让我们先来看看效果对比。

　　为更清晰展示对比效果，播放速度约为原速度的70%。 其中演员的正常数据marker点颜色和演员的对应的骨骼颜色一致，红色点为无法识别标记的marker点，红色骨骼为识别动作错误的骨骼。

　　可以看出，在传统的动捕解算软件中，当多个演员有纠缠、交互等非常近的动作导致marker标记点被遮挡，或由于演员的特殊动作造成marker标记点被遮挡丢失并无法找回的情况下，传统动捕解算软件无法识别到正确的骨骼位置，而原力自研的基于神经网络的动作捕捉解算系统DeepMocap可以很好地解决这个问题。

　　DeepMocap算法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。算法由两个主要网络组成：前序网络采用transformer结构，负责对输入的marker标记点进行标定和位置数据的处理；后序网络则利用图卷积提取信息，采用Encoder-Decoder结构关联marker标记数据和骨骼数据，从而解算出在不完美甚至错误marker标记点信息下的正确骨骼动画数据。在网络训练完成后，即便输入带有不准确marker标记点信息的位置数据，DeepMocap仍然能够解算出合理正确的骨骼动画数据。

　　此外，本系统包括两套解算模块：实时解算模块以及后处理解算模块，以插件形式集成到动捕软件Motionbuilder中。后续原力还计划在系统中加入更多提升最终动画数据的优化模块，比如将解算不够自然的动作数据经过神经网络调整成自然流畅的骨骼动画数据，以及在不同的关键姿态(pose)之间自动生成自然的过渡动画的工具模块IM电竞网址。

　　1.相对于传统流程，本系统对于marker标记点丢失或者标记错误的容错率更高。实时解算模块在marker标记点丢失或错误标注时仍能提供相对合理的骨骼位置，便于拍摄技术人员查看实时效果。此外，随着训练数据集的不断扩大，网络能够不断迭代优化，持续提升最终解算效果。

　　2.后处理解算模块利用前后帧数据信息，-能够进一步提升解算结果的准确性，大幅减少动捕拍摄人员逐帧修复marker标记点数据以生成合理的骨骼动画数据的工作量，解放大量生产时间和人力成本。

　　通过这套“硬件+软件”的组合拳，原力成功优化了现有动作捕捉技术中常见的两大难题：精细动作捕捉不到位和骨骼位置解算效果不理想。这一技术突破的实现，不仅为原力自身的项目生产注入了强大的技术动力，也为行业的动作捕捉领域注入了新的活力，大幅提升动捕质量和效率，解放人工生产力。

　　未来，原力还将持续优化并创新更多行业重点技术，为客户提供更加高效且专业的3D数字内容服务。目前，原力将向行业内全面开放上述技术的合作，以期能在探索与反馈中，进一步拓宽动捕技术、数字技术在更多行业领域的应用和发展。

　　如果您对以上技术感兴趣， 并愿意与原力研发部门进行更深入的交流与合作，请发送邮件至与原力联系。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　消失许久的周立波突然发声！感慨：做我局的人已经叛逃，人不怕被冤枉就怕有报应

　　新华社快讯：据朝中社31日报道，朝鲜最高领导人金正恩直接下令进行了超大型火箭炮火力射击。

　　东契奇面对李凯尔踩着logo三分命中 朝着李凯尔微笑说两句垃圾线项重罪全部成立，特朗普成美国首位被判有罪的前总统！他还能竞选总统吗？旗下公司股价一度暴跌12%

　　还有什么事情，比看到孩子眼中的光更令人欣慰呢？付出不亚于任何人的努力，让生命科学流行起来！ 若猛将...

　　惊人数据：超56%的中学生内心极度讨厌父母!背后反应的问题值得家长深思！

　　OPPO Reno12系列评测：首发AI实况照片的安卓机超美小直屏 体验果然不一般

　　与中坚力量共成长，2024建信信托艺术大奖评委会特别奖获奖艺术家凌海鹏