@andrew_n_carr: 在动作捕捉中，“无标记”这个词经常被提及。它是什么意思呢？嗯……意外吧！仍然有标记……
摘要
说明“无标记”动作捕捉仍然使用标记，但通过网络摄像头估算，而非昂贵设备，从而实现多人、尺度感知的捕捉。
查看缓存全文
缓存时间: 2026/05/17 09:33
“无标记点”这个词在动作捕捉中经常出现。它到底是什么意思？嗯……惊喜来了！其实还是有标记点的（不过是我们把标记点放在你身上，而不是让你穿上动作捕捉服）。
当我们从你的视频中捕捉动作时，仍然需要估算重要的关键点，只是我们设计了一种方法，通过网络摄像头就能实现，而无需价值十万美元的动捕舞台。
支持多人同时捕捉 + 感知尺度 + 极其精准的摄像头姿态估算。
试试吧，告诉我你的想法。
相似文章
MoCapAnything V2: 面向任意骨骼的端到端动作捕捉
MoCapAnything V2 提出了一种面向任意骨骼单目视频动作捕捉的完全端到端框架，通过联合优化视频到姿态以及姿态到旋转的预测，解决旋转歧义性问题。
"Talk Show Host" [携手Jibaro的Sara Silkin] - 这是动作捕捉的未来吗？+ 分解
VFX艺术家演示如何使用Uisato Studio的Kling Motion Control将iPhone舞蹈视频转化为多角度机器人美学作品，展示低预算动作捕捉技术。
LIMMT：动作追踪中的少即是多
本文介绍了LIMMT，这是一项以数据为中心的研究，表明使用高质量、极小的运动数据子集（不到AMASS的3%）进行训练，在基于物理的人形动作追踪方面优于使用完整数据集，并通过物理可行性、多样性和复杂性来定义运动数据质量。
AnyMo：基于掩码建模的任意模态条件运动生成扩展
本文提出AnyMo，一种统一的多模态人体运动生成框架，结合基于残差FSQ的运动分词器与可扩展的掩码建模Transformer，并利用包含超过5000小时运动数据的OmniHuMo数据集，实现在任意模态组合下的高质量合成。
AnyMo：几何感知的安装无关的真实环境中人体运动建模
AnyMo是一个几何感知的框架，用于安装无关的人体运动建模，它利用基于物理的IMU模拟和图编码，在零样本活动识别、跨模态检索和运动描述等多个数据集上实现了显著改进。