Rokoko 调查 3,757 位创作者:2026 年动作捕捉与 3D 创作现状
Rokoko 发布面向 3,757 名动捕与 3D 创作者的 2026 年行业调查,54% 受访者以游戏开发为主业,Unreal Engine 使用率约 57.5%,远高于 Blender 的 23.4% 和 Unity 的 6%。
推荐理由:Rokoko 自办问卷给出 3,757 份样本,其中 AI 与动捕投入关系的数据与常见判断相反,可作为观察创作者工作流的参照。
Rokoko 发布面向 3,757 名动捕与 3D 创作者的 2026 年行业调查,54% 受访者以游戏开发为主业,Unreal Engine 使用率约 57.5%,远高于 Blender 的 23.4% 和 Unity 的 6%。
推荐理由:Rokoko 自办问卷给出 3,757 份样本,其中 AI 与动捕投入关系的数据与常见判断相反,可作为观察创作者工作流的参照。
论文提出 Two2Four 自动人转四足操控框架,可从普通人动作数据生成可信且可控的四足运动。方法采用仅用四足运动数据训练的两阶段生成扩散模型,结合结构化条件与 inpainting 策略,支持走、跑、跳、坐、卧等动作,并可细粒度控制头部与单条肢体。实验称其运动真实感与可控性优于现有重定向方法,面向动画与虚拟制作应用。
推荐理由:论文提出纯用四足动物动作数据训练的两阶段扩散模型,把普通人动作转成可控的四足动画,为虚拟制作中的动物运动提供了一条数据驱动路径。
Nitzan Hodos 提出 MACRO,一种免训练的多平面注意力方法,用于从 3DGS 生成高质量近景新视角画面。研究指出参考图条件增强模型的特征不具备尺度不变性,近景与参考视角的尺度差导致跨视角注意力取错对应关系,且 VAE 编码器非尺度等变使该问题无法在潜空间修正。
推荐理由:论文分析了 3DGS 近景渲染在参考图条件增强下失效的尺度差异原因,并给出无需训练的多平面注意力方案。
Yuanjian He 提出 CineMatte 前景抠像框架,用共享权重的冻结 DINOv3 ViT 分别编码输入帧与背景,再经交叉注意力预测前景,以降低对背景变化的敏感度。
推荐理由:论文提出面向 LED 虚拟制作的前景抠像框架,并公开在专业影棚拍摄的 4K HDR 数据集,可供后期替换背景参考。
Xiaoyu Zhan 等作者提出 UMo,一种面向实时语音驱动数字人的统一稀疏运动建模架构,在统一框架内处理文本、音频和运动 token。该方法结合空间稀疏的 Mixture-of-Experts 框架与以关键帧为中心的时间稀疏设计,实现实时稠密重建,可同时生成面部表情与手势动画,并采用多阶段训练与针对性音频增强提升声学多样性和语义一致性。
推荐理由:论文提出统一稀疏运动建模架构,在低延迟约束下兼顾面部表情与手势的实时生成质量。
作者提出 MAGS-SLAM,这是一个仅用 RGB 图像的多智能体 3DGS SLAM 框架,用于协同场景重建。每个智能体独立构建局部单目高斯子图,并传输紧凑的子图摘要而非原始观测;框架结合几何与外观感知的回环验证以及占用感知的高斯融合,以应对单目尺度歧义。
推荐理由:论文提出仅用 RGB 相机的多智能体 3DGS SLAM 框架,并给出与 RGB-D 方法对比的实验结果,可供关注大场景重建的虚拟制作团队参考。
Adrian Azzarelli 在 arXiv 发表论文,提出一种面向虚拟制作的可重打光高斯泼溅框架,用已知背景图像约束重打光过程,避免依赖环境贴图,并把合成简化为背景图像编辑。
推荐理由:论文针对 LED 墙拍摄中光照与背景绑定的问题,提出用高斯泼溅做可重打光的重建,并给出资源占用与帧率数据。