面向现实遮挡的 OpenMoCap：重新思考光学运动捕捉
计算机视觉与模式识别
2025-08-19 v1 人工智能
摘要
光学运动捕捉是推动虚拟现实和电影制作等前沿领域发展的基础技术。然而，在实际应用中常见的大规模标记遮挡会严重影响系统性能。深入分析揭示了当前模型的两个主要局限：(i) 缺乏能真实反映实际标记遮挡模式的训练数据集；(ii) 缺乏针对捕捉标记之间长程依赖关系的训练策略。为解决这些挑战，我们引入了 CMU-Occlu 数据集，该数据集运用射线追踪技术来真实模拟实际的标记遮挡模式。此外，我们提出了 OpenMoCap，这是一个专为在遮挡显著的环境中稳健运动捕捉而设计的新型运动求解模型。利用标记-关节链推断机制，OpenMoCap 实现了标记与关节之间的深度约束的同步优化与构建。广泛的比较实验表明，OpenMoCap 在多种场景下均一致优于对手方法，而 CMU-Occlu 数据集为后续稳健运动求解研究开辟了道路。我们将所提出的 OpenMoCap 集成到 MoSen 运动捕捉系统中以实现实际部署。代码已发布于：https://github.com/qianchen214/OpenMoCap。
引用
@article{arxiv.2508.12610,
title = {OpenMoCap: Rethinking Optical Motion Capture under Real-world Occlusion},
author = {Chen Qian and Danyang Li and Xinran Yu and Zheng Yang and Qiang Ma},
journal= {arXiv preprint arXiv:2508.12610},
year = {2025}
}