一个普通摄像头就让二次元老婆“活”了过来，网友：求收费

Posted 2021-12-17 Wang_AI

鱼羊 明敏 发自 凹非寺
量子位 报道 | 公众号 QbitAI

你敢信，这年头只靠一个普通摄像头，就能让二次元老婆实时完成如此灵活的手指舞？

没错，不用穿戴硬件设备，打开电脑摄像头，AI就能让二次元老婆随你实时舞动。

即使没有昂贵传感器加持，摇花手这种高难度动作，照样能轻松拿下。

真人手指再怎么复杂地开合变化，屏幕里的Ta都能完美同步：

双臂前后交替变换都不会识别错误：

这还不算完，更让网友们直呼“离谱”的是，这样的视频动作捕捉AI，只要你有一台电脑+一个RBG摄像头，就能直接抱回家。

不用学编程，也不用多花钱，技术直接就是一个免费可商用。

这给网友整得都不敢相信了，赶忙自己上手试了试，结果——

确定是可以摆花手的灵活程度。

这个手抠鼻屎也看得很清楚啊！

好家伙，这岂不是人人都能定制专属3D虚拟主播了？究竟是怎么一回事？

上百个识别位点的3D动捕

正如前面提到的，这是真真正正的视频动捕。

像《阿凡达》《指环王》等电影中的许多特效、角色动作设计，都是由动作捕捉来实现。

不过，传统的光学动作捕捉和惯性动作捕捉，都需要通过传感器来记录演员的动作。

因此在片场，需要动捕的演员身上往往佩戴很多设备，大概长这样：

而在开头我们看到，二次元老婆背后的真人主播，身上却无需佩戴任何设备。

那它是如何来捕捉动作的呢？

通过AI。

与以往需要昂贵传感器支持的光学动捕、惯性动捕不同，近几年兴起的视频动捕主要用到了计算机视觉技术。

它只使用普通的RGB摄像头通过卷积神经网络（CNN）来识别图像中人体的骨骼关键点。

其中，特征提取器会通过分辨率由高到低的过程来提取高级特征，姿势解码器则可以基于检测或回归的方式来估计目标输出、2D/3D关键点位置或3D网络。

基于检测的方法可以生成特征图或热力图，基于回归的方法则可以直接输出坐标位置。

此前剑桥大学开发的人体姿态工具PoseNet就是一个很经典的案例。

它使用端到端学习框架，可以从RGB图像中直接映射出人体的关键骨骼坐标，检测全身17个位点，最终捕捉到人体动作。

如上虚拟主播用到的动捕技术，也是类似于此的神经网络。

特别的是，这套名叫小K直播姬的视频动作捕捉技术，识别位点远超17个，仅上半身就有100多个，覆盖了面部、手部和双臂。

这也是“老婆们”能够活灵活现的关键所在。

要知道，此前许多vTuber直播时，都只有脖子以上可以活动，上半身像是被封印了一般。

而当动捕技术能够捕捉的身体位点越多，可以呈现的效果也就越丰富。

比如借助小K直播姬，vTuber就可以随意扭动身体、摆出各种动作，面部表情也多了很多细节。

而最令人惊叹的手部动作的实现，则有赖于深度信息的引入。之前的卷积神经网络（CNN）学习的关节点只有2D信息，无法使用到3D虚拟形象上，但是小K直播姬自研的AI算法能捕捉3D信息并应用的3D虚拟直播里。

比如“石头”握拳这个动作，在普通摄像头“眼中”，手部位点会出现遮挡、重叠，这时只用2D关键点识别是很难还原真实动作的。

具体而言，小K直播姬的解决方案，是根据摄像头捕捉到的2D图像，来估计每个关节点到镜头之间的距离。

掌握了3D深度信息后，即便摄像头只能拍到手部侧面，想要还原动作也不成问题。

尤其是双臂前后交换这种动作，2D识别很可能无法识别前后的差别，但是3D识别就能让画面呈现明显的立体感。

目前，这种技术已经能做到每秒输出30帧画面。

其实它还能开放到每秒60帧，只是考虑到vTuber一般在直播时还需要开启其他软件，主播的电脑可能会承受不住，所以当下推荐大家开30帧。

看到这里，是不是已经被惊艳到了？

然鹅，这还不是最厉害的。

其实，不只是上半身的动作捕捉，全身动捕现在都能仅靠摄像头完成。

没错，仍旧不需要佩戴任何穿戴设备，只需多个普通的RGB摄像头，就能将真人的全身动作完全还原。

人人都可试玩的那种

效果丝滑自然、只需一台电脑+普通摄像头，还是免 费 的……这确实让人看了很难不心动。

也难怪小K直播姬一登场，惹得网友们直呼：

赶紧收钱，求求了。

要知道，传统的光学动捕、惯性动捕，由于对传感器设备、专业摄影棚等方面的需求，成本始终居高不下。

以今年火出圈的A-SOUL为例，它由字节跳动和乐华联合推出，传闻称其所使用的动捕设备成本高达8位数。

而小K直播姬这个免费产品，直接实现了“人人皆可vTuber”。

这不，在小K直播姬公测后，不少人都来一探究竟，公测10日后虚拟主播注册数就已经破万。

在这里不仅可以自己捏人，还能导入模型，B站上许多人都晒出了自己的vTuber形象。

知名VUP小希小桃最近大变身，也是因为用了小K直播姬。

会出现一石激起千层浪的现象倒也不稀奇，毕竟市面上这种将视频动捕技术商业化、还面向vTuber的产品，实在是太少了。

团队出身游戏行业

那为什么会是小K直播姬呢？

这个答案要从它的幕后打造者——云舶科技身上找答案。

2017年，出身游戏行业的梅嵩和陈敏联合创立了云舶科技。

其中，梅嵩是原蓝港互动SVP，《王者之剑》系列手游制作人；陈敏是原蓝港互动CTO，核心团队有着16年的研发经验。

凭借自身对游戏动画市场的了解，他们从创业初期就专注于视频动捕技术。

事实上，小K直播姬所采用的所有视频动捕技术，都是由云舶科技自主研发。

起初，他们利用动捕技术将视频直接生成bip、fbx动画文件，大幅提升动画师的作画效率。

后来随着自身技术的不断积累，在2019年，他们便想着将原本离线才能实现的视频动捕技术，升级为实时在线版。

因为出身游戏圈，对二次元市场有着敏感的嗅觉，云舶在2018年就察觉到了虚拟偶像市场在逐渐升温。

所以便将技术落地场景选在了这一领域。

而小K直播姬大受欢迎，除了本身的技术效果吸睛这一原因之外，也同样得益于他们的游戏行业产品背景，认为用户交互体验能提升甚至改变虚拟直播的最终价值。

同时云舶科技对用户也是抱有“有求必应”的态度，如果你想要捕捉云舶科技的技术leader，到官方论坛、用户QQ群里“钓鱼”可能是个不错的选择（手动狗头）。

现在，小K直播姬背后，从一线程序员到公司创始人，全都活跃在这些用户聚集的地方，还常常追着用户沟通交流，只为彻底弄清楚用户对于产品的更多需求。

比如最近即将上线的模型饰品增加自定义调整位置，就是网友们多次向小K提议的功能。

食用指南

OK，说了这么多，如果你也对虚拟直播感兴趣，现在就可以下载试玩一波走起了~

目前，小K直播姬暂只支持Windows系统，1060及以上显卡可实现上半身动捕，其它显卡支持面部捕捉。

进入应用后可以自己捏脸定制形象，也可以选择导入模型。

如果你在体验过程中有了好的idea，也不妨加个群水个论坛，小K直播姬背后的技术leader和一众程序员们都在“虎视眈眈”。

说不定下一个上线功能，就是受你启发的！

p.s.云舶科技最近还在火热招人，尤其是U3D开发、C++开发、3D算法等职位。

感兴趣的童鞋可以在云舶科技官方网站www.yunboai.com招聘版块查看具体需求，大家的简历可以准备起来了~

觉得还不错就给我一个小小的鼓励吧！