相較過往需透過專業設備進行人體動作擷取相關數據，才能順利建立3D人物模型的情況，NVIDIA 研究人員提出透過影像識別方式，直接透過影片內容分析進行資料訓練，一樣以此建立可呈現自然動作、姿態的3D人物模型。
雖然建立3D人物模型已經不算困難，但要讓3D人物模型呈現自然肢體動作才是更大挑戰，因此過往作法通常是配合專業設備擷取人體動作數據，讓3D人物模型能透過這些數據呈現自然的肢體動作，同時也能省去大量透過人力調整的麻煩。
不過，利用專業設備擷取人體動作依然需要花費大量成本，因此對於許多內容創作者而言，顯然還是很大挑戰。
而在NVIDIA研究人員提出方法中，則是運用影像識別技術分析影片中的人物動作，並且透過深度學習讓系統「了解」真實人體動作表現，進而讓3D人物模型可以透過學習結果呈現自然肢體動作，尤其在做出行走動作時，即可讓3D人物呈現肢體隨著走動自然協調擺動情況，而不會出現走路動作僵硬、不自然問題。
在分析過程中，系統會判斷影片中的人物動作表現，並且透過關鍵支點逆向建立肢體骨幹，同時配合修正合乎正常肢體動作範圍、角度，讓最終訓練結果更符合自然人體動作表現，之後即可在訓練結果直接套用各類3D人物模型，甚至可以在短時間建立大量3D人物模型動作表現。
對比傳統透過專業設備擷取真實人體動作的方法，雖然在實際精準度仍會有些落差，甚至可能還是會有誤判情況，但已經能符合絕大多數的應用需求，對於遊戲、3D動畫等內容應用都能帶動更快製作效率。
《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》
