想象你开了一家“动作复印店”。舞蹈大师跳了一支帅气的连招，你在她全身贴上几十张“荧光贴纸”，用一圈高速相机把她的动作完整录下来——这相当于拿到了一张“动作母带”。这时游戏公司的阿明跑来，掏出一个 U 盘说：“我要把这段动作复印到一百个角色身上！”问题是，这些角色里有矮胖的机器人、高瘦的精灵，还有一台性能堪忧的老手机。你要做的，就是把母带上的抖动、穿帮、断片全部修掉，再把“大师的舞步”翻译成每个角色“自己的身体方言”，最后压缩成不同设备都跑得动的版本。这一整套流程，就是动作捕捉（MoCap）数据的处理流程：采集、清理、重定向、选格式、做优化、进引擎。今天我们就顺着这条流水线走一遍，看看一个“直接能用”的动画背后，到底藏着多少功夫。

岗位关联

对 AI 从业者来说，动捕数据处理是理解“真实数据如何被清洗、归一化、迁移到新环境”的最佳样板——它和训练数据预处理、迁移学习的思路如出一辙，也是数字人与虚拟制片赛道的基础功。

目录
  1. 可视化演示
  2. 动捕原理基础
  3. 现场采集准备
  4. 数据清理修复
  5. 骨骼重定向
  6. 常用工具格式
  7. 性能优化
  8. 引擎集成
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

本节配有交互动效（进入视口后自动加载，约 3KB）。

动捕数据处理流程 噪声清理：原始 vs 清理后 清理后 （平滑+插值） 骨骼重定向：源骨骼 → 目标角色 MoCap: 光学/惯性捕捉→噪声清理（抖动/穿透/缺失帧）→骨骼重定向（源骨骼→目标角色）→BVH/FBX格式存储→动画优化（平滑/循环/压缩）

动捕原理基础

复印店最核心的设备是那面“高速相机墙”。大师身上贴了几十张荧光贴纸，也就是标记点，相机墙从四面八方同时拍照。每台相机看到的贴纸位置都不一样，就像你闭上一只眼、再换另一只眼看远处的灯，灯的“背景”会移动。计算机正是利用这种视差，反推出每个贴纸在三维空间中的坐标，这就是光学动捕的基本原理。

除了光学动捕，还有惯性动捕——不用相机，而是在关节上绑小陀螺仪和加速度计，像揣在口袋里的计步器，但它会随时间慢慢“漂移”，需要定期校准。标记点采集的质量直接决定后期清理工作量：贴纸掉了、被手挡住、灯光反光，都是常见事故。

把标记点连成骨骼后，系统真正关心的是“关节弯了多少度”，而不是“贴纸在哪”。因为游戏引擎里的角色姿势靠关节旋转表达。相邻两块骨头之间的夹角，是动捕数据最基本的单元。

所以“复印”的第一步，是把大师身上每个关节的“弯曲度数”记成一张精确的“身体刻度表”。刻度表准不准，决定后面复印出的动作像不像大师本人。这就像学跳舞，如果只记“手抬到胸口”而不记“上臂与躯干成 45 度”，跳出来就会千奇百怪。

θ=cos⁡−1(a⃗⋅b⃗∣a⃗∣ ∣b⃗∣)\theta = \cos^{-1}\left(\frac{\vec{a} \cdot \vec{b}}{|\vec{a}| \, |\vec{b}|}\right)
这个公式用两个骨头的方向向量算出关节弯曲角度，是动捕数据从“坐标”变成“姿势”的翻译官。
  1. 构造骨骼向量把相邻两个关节连成一个向量，比如“上臂”这条骨头。
    a⃗=pelbow−pshoulder\vec{a} = p_{\text{elbow}} - p_{\text{shoulder}}
  2. 理解点积点积把两个向量的长度和方向综合成一个数，它与夹角的余弦成正比。
    a⃗⋅b⃗=∣a⃗∣ ∣b⃗∣cos⁡θ\vec{a} \cdot \vec{b} = |\vec{a}| \, |\vec{b}| \cos\theta
  3. 归一化成余弦两边同时除以模长乘积，得到夹角的余弦值，范围在 -1 到 1 之间。
    cos⁡θ=a⃗⋅b⃗∣a⃗∣ ∣b⃗∣\cos\theta = \frac{\vec{a} \cdot \vec{b}}{|\vec{a}| \, |\vec{b}|}
  4. 反余弦还原角度对余弦值取反余弦，就得到这个关节当前弯曲了多少度。
    θ=cos⁡−1(a⃗⋅b⃗∣a⃗∣ ∣b⃗∣)\theta = \cos^{-1}\left(\frac{\vec{a} \cdot \vec{b}}{|\vec{a}| \, |\vec{b}|}\right)

现场采集准备

正式开印之前，复印店要先“校版”——把复印机的白边对齐、纸放正。动捕现场也一样，第一步是场地标定：让相机们认识这片地板，确定原点和方向坐标，相当于给舞蹈室画好地砖线，这样所有相机看到的标记点才有共同语言。

接着是动作编排。别看大师跳得随意，好的动捕拍摄会像拍电影一样定“分镜”：起手式多停两帧、关键爆发点面向哪台相机，都要先说清楚。因为游戏动画讲究“可拼接”，动作开头和结尾通常要回到一个中立姿势，方便引擎做状态切换。

采集时计算机会实时预览骨架，导演盯着屏幕喊“这条过了”。此时原始数据还没清理，但已经能看出大体节奏。采集的帧率和标记点数直接决定了文件体积，这就是为什么动捕文件动辄几百兆——每一个标记点的 x、y、z 坐标，每一帧都要记一遍。

“校版”校得好，后面每张“复印纸”都清晰；现场多花十分钟检查标定，省的是后期几小时的清理。就像做菜前把葱姜蒜切好备齐，下锅时才不会手忙脚乱。

D=F×J×3×T×4D = F \times J \times 3 \times T \times 4
数据量等于帧率、标记点数、坐标通道数、时长和单值字节数的乘积，帮你在拍摄前就估算出“母带”要占多大硬盘。
  1. 帧率 F每秒拍多少帧，动捕常见 60 到 240 帧每秒，帧率越高越能捕捉爆发动作。
    F=120 帧/秒F = 120\ \text{帧/秒}
  2. 标记点数 J全身贴纸数量，一般 40 到 70 个，每个都要记录位置。
    J=60 个标记点J = 60\ \text{个标记点}
  3. 通道数 3三维空间里每个位置需要 x、y、z 三个数值。
    3=x, y, z 三个坐标轴3 = \text{x, y, z 三个坐标轴}
  4. 时长 T 与字节 4乘上跳舞的秒数，再乘上每个浮点数占的 4 字节，就是总数据量。按上面数字拍 10 秒，约 864KB。
    D=120×60×3×10×4=864000 字节D = 120 \times 60 \times 3 \times 10 \times 4 = 864000\ \text{字节}

数据清理修复

母带拿到手，问题就来了：大师身上贴纸偶尔被手臂挡住，相机会“卡壳”丢几帧；器材的电子噪音让关节像得了帕金森一样抖；动作太猛时手直接穿进了身体，这叫“穿模”。所有这些问题都要在“剪辑台”上修掉，这是动捕流程里最耗时的一步。

噪音消除最常用的是滤波。想象你握住一条抖动的水管——握得越紧，水越平稳，但水流细节也越少。滑动平均滤波就是让每个点参考前后几个邻居，把孤立的小抖动“平均”掉。窗口大小是个平衡：太小去不干净，太大动作变“棉花拳”。

穿模修复要借助碰撞体——给身体和手各套一个看不见的“安全气泡”，一旦手伸进别的气泡，就把它推出来。缺帧插值则简单些：上一帧手在左边，下一帧手在右边，中间没录到的几帧按时间均匀补上，动作看起来还是连贯的。

这一步相当于把大师的原始录像剪成干净利落的“教学带”：没有雪花、没有穿帮、没有断片。教学带越干净，后面每个照着学的人才不会把错误动作也学走。

yt=12k+1∑i=−kkxt+iy_t = \frac{1}{2k+1}\sum_{i=-k}^{k} x_{t+i}
滑动平均滤波：把第 t 帧的坐标替换成它前后共 2k+1 帧的平均值，像用毛刷把抖动的曲线“捋”平。
  1. 确定窗口大小k 是半窗口，比如 k=3 表示取前后各 3 帧，共 7 帧参与平均。
    2k+1=2×3+1=72k+1 = 2 \times 3 + 1 = 7
  2. 累加求和把这 7 帧的位置数值全部加起来。
    ∑i=−33xt+i=xt−3+⋯+xt+⋯+xt+3\sum_{i=-3}^{3} x_{t+i} = x_{t-3} + \dots + x_t + \dots + x_{t+3}
  3. 除以帧数取平均总和除以 7，得到本帧的平滑值。
    yt=xt−3+⋯+xt+37y_t = \frac{x_{t-3} + \dots + x_{t+3}}{7}
  4. 逐帧滑动对每一帧都做同样操作，窗口像一只眼睛顺着时间轴滑过去。k 越大越平滑，但细节丢失越多。

骨骼重定向

教学带准备好了，但学生来了——游戏里的角色可不像大师。大师身高 1.7 米，精灵角色 2.2 米，机器人甚至没有腰。要让所有学生都能学会这支舞，就得把“舞谱”翻译成各自的“身体方言”，这就是骨骼重定向。

翻译分三步。骨架映射：把大师骨架的“肩膀”对上精灵骨架的“肩膀”，解决骨骼命名和层级不一致的问题；比例缩放：精灵腿长，那就把大师每一帧的腿部关节偏移按长度比放大；IK 约束：保证精灵的脚在蹲下时死死踩在地上不滑步，手不插进大腿里。

技术上，重定向普遍用“局部相对”思路：不直接搬运世界坐标，而是以每个角色的骨盆为原点，只搬运“相对于骨盆的偏移”，再乘上比例系数。这样角色站在原地和移动时，重定向结果都稳定。

这就像同一套广播体操，校长做、小学生做、机器人做，动作结构一样，幅度各自调整。好的重定向会让每个角色都跳得“像大师”，又“像自己”。

pj′=proot′+s⋅(pj−proot),s=LtargetLsourcep'_j = p'_{\text{root}} + s \cdot (p_j - p_{\text{root}}), \qquad s = \frac{L_{\text{target}}}{L_{\text{source}}}
重定向公式：先算出关节相对根节点的偏移，再按源骨骼与目标骨骼的长度比例缩放，最后对齐到目标角色的根节点上。
  1. 确定根节点通常选骨盆作为“复印基准线”，所有偏移都相对于它计算。
    proot=源骨骼的骨盆位置p_{\text{root}} = \text{源骨骼的骨盆位置}
  2. 计算相对偏移用关节位置减去根节点位置，得到“离骨盆多远”这个关键量。
    pj−prootp_j - p_{\text{root}}
  3. 求比例系数 s目标骨骼的某根骨头长度除以源骨骼对应骨头长度。
    s=LtargetLsource=0.7 米0.5 米=1.4s = \frac{L_{\text{target}}}{L_{\text{source}}} = \frac{0.7\ \text{米}}{0.5\ \text{米}} = 1.4
  4. 缩放并对齐偏移乘以 s 后，加上目标角色的根节点位置，就得到新骨架上的关节坐标。
    pj′=proot′+1.4×(pj−proot)p'_j = p'_{\text{root}} + 1.4 \times (p_j - p_{\text{root}})

常用工具格式

复印店的工作台上摆着几样固定工具：一台行业标准的“剪辑台”和几种不同的“乐谱格式”。动画界谈动捕编辑，绕不开 MotionBuilder——它几乎是所有动捕数据的第一站，专门用来导入原始数据、清理、重定向、微调曲线，是技术动画师的“主战场”。

格式方面，BVH 像一个纯文本的“简谱”：记录骨骼层级和每个关节的旋转通道，体积小、容易解析，很多 AI 动作生成的研究都用它做训练数据。但它不保存网格和蒙皮。FBX 则是“总谱”，能把骨骼、蒙皮权重、动画曲线、约束一网打尽，是游戏引擎和 DCC 软件之间交换的标准格式。

工具里频繁出现的操作是“重采样”：原始 120fps 数据太大，游戏通常只留 30fps，中间帧要用插值重新算出来。线性插值假设动作在两帧之间匀速变化，简单可控、代价低。

选对工具和格式，就像给复印店配好正版墨盒——BVH 轻便适合批量处理，FBX 完整适合进引擎，MotionBuilder 顺手适合精细修。用具不合适，再好的动作也会“印花”。

p(t)=(1−α) pi+α pi+1,α=t−titi+1−tip(t) = (1-\alpha)\,p_i + \alpha\,p_{i+1}, \qquad \alpha = \frac{t - t_i}{t_{i+1} - t_i}
线性插值公式：在前后两个关键帧之间，按时间比例把位置“等比拉扯”出中间帧。
  1. 定位前后关键帧找到 t 时刻落在哪两帧之间，取左帧 p_i 和右帧 p_{i+1}。
    ti≤t≤ti+1t_i \le t \le t_{i+1}
  2. 计算时间比例 αt 在区间内走了百分之多少，范围是 0 到 1。
    α=t−titi+1−ti\alpha = \frac{t - t_i}{t_{i+1} - t_i}
  3. 加权求和α 越接近 1，越靠近右帧，p_{i+1} 占比越大。
    p(t)=(1−α) pi+α pi+1p(t) = (1-\alpha)\,p_i + \alpha\,p_{i+1}
  4. 批量生成中间帧对每个关节、每根曲线都做同样处理，30fps 的骨架就平滑地“长”出来了。

性能优化

舞蹈教学带做出来了，可偏远山区的小剧场，也就是那些老手机，播放器带不动高清母带。动作数据也一样：一个 60 秒动作，30fps、60 个关节，光曲线就有几千条，移动端每帧都要解算。不优化，游戏就会卡成 PPT。

曲线抽稀是最常用的手段——动作曲线里大部分帧点其实落在一条“大致直线”上，把中间冗余的点去掉，只保留转折处，曲线形状几乎不变。数据压缩则是把 32 位浮点小数压到 16 位甚至 8 位，牺牲一点精度换体积和带宽。LOD 分层更聪明：远处角色用抽稀到极致的“简笔动画”，近处角色用完整动画，人眼根本看不出差别。

抽稀的判断逻辑像“三点共线测试”：如果中间点几乎落在前后两点连成的直线上，就把它删掉。怎么判断“几乎”？看两条首尾相连的小线段围成的平行四边形面积大不大。

优化讲究“看着像就行”。就像舞台剧排练，远处观众看不清手指细节，演员只需要做大动作——省下的力气可以用来多演几场。游戏的“力气”就是帧率和内存。

d=∣(Bx−Ax)(Cy−By)−(By−Ay)(Cx−Bx)∣d = |(B_x - A_x)(C_y - B_y) - (B_y - A_y)(C_x - B_x)|
三点共线判定公式：上一帧、当前帧、下一帧构成两条线段，叉积的绝对值近似“弯曲程度”，接近 0 就说明三点几乎在一条直线上，可以删除中间点。
  1. 取三个相邻点曲线上取上一帧 A、当前帧 B、下一帧 C。
    A=(Ax,Ay),B=(Bx,By),C=(Cx,Cy)A = (A_x, A_y),\quad B = (B_x, B_y),\quad C = (C_x, C_y)
  2. 构造两条线段向量AB 是 A 指向 B 的向量，BC 是 B 指向 C 的向量。
    AB⃗=(Bx−Ax, By−Ay),BC⃗=(Cx−Bx, Cy−By)\vec{AB} = (B_x - A_x,\ B_y - A_y), \quad \vec{BC} = (C_x - B_x,\ C_y - B_y)
  3. 计算叉积绝对值叉积的模等于这两条线段围成的平行四边形面积，三点共线时面积为 0。
    d=∣(Bx−Ax)(Cy−By)−(By−Ay)(Cx−Bx)∣d = |(B_x - A_x)(C_y - B_y) - (B_y - A_y)(C_x - B_x)|
  4. 阈值判定d 小于某个阈值就说 B 对曲线形状影响很小，删除 B，保留 A 和 C，然后继续检查下一个点。

引擎集成

学生终于拿到舞蹈 DVD，但 DVD 播放器，也就是游戏引擎，还要会剪辑播放顺序和调整速度。一个角色不能永远在跳这支舞——他要在城镇里走路、跑步、转向，被打时还要踉跄。这就轮到引擎里的动画状态机登场。

先把优化好的 FBX 导入引擎，设置好单位比例和坐标轴朝向——很多穿模、悬浮问题其实只是单位错了。然后把动作按“待机-走路-跑步”做成状态切换，状态之间用过渡条件连接。速度变化时则用混合空间：它像 DJ 打碟，根据摇杆的速度和方向，实时把两段动画按权重混成一段。

混合空间的核心就是看当前输入落在哪两个采样动作之间，按距离算权重，再线性混合。比如角色转身 30 度，引擎就在“原地转 0 度”和“原地转 60 度”两段动画之间按比例取中间姿态。

到这一步，“动作复印店”的整个流水线才算闭环：大师起舞，摄像机记录，工程师清洗翻译压缩，最后引擎里的每一个角色都活了起来。下次你在游戏里看到一个角色跑步、转身、拔剑一气呵成，那就是一整套动捕流水线在背后无声运转。

α=∣θ−θ1∣∣θ2−θ1∣,P=(1−α) P1+α P2\alpha = \frac{|\theta - \theta_1|}{|\theta_2 - \theta_1|}, \qquad P = (1-\alpha)\,P_1 + \alpha\,P_2
混合权重公式：输入的角度离哪个采样点近，哪个动画的权重就大，最终姿态是两段动画的加权平均。
  1. 输入目标条件比如角色当前要转向的角度 θ。
    θ=30∘\theta = 30^\circ
  2. 定位两边的采样点在混合空间里找到左右两段动画 P_1 和 P_2，对应角度 θ_1 和 θ_2。
    θ1=0∘,θ2=60∘\theta_1 = 0^\circ, \quad \theta_2 = 60^\circ
  3. 计算权重 α目标角度离左端点越远，α 越大，右段动画占比越高。
    α=∣30−0∣∣60−0∣=0.5\alpha = \frac{|30 - 0|}{|60 - 0|} = 0.5
  4. 加权混合得到最终姿态左右两段动画各占一半，就是平滑的 30 度转向姿态。
    P=0.5×P1+0.5×P2P = 0.5 \times P_1 + 0.5 \times P_2

AI 应用场景

游戏公司动作中台的清洗流水线

阶段：数据预处理

解决的问题：外包和动捕棚交来的数据格式混乱、噪音多、骨骼命名不统一。传统方式是动画师手动一帧帧修，一条 30 秒片段要改一整天。AI 公司会用规则引擎加小模型自动检测断帧、标记穿模、统一重定向到标准骨架，把“人工精修”压缩成“机器粗洗+人工抽查”。

具体案例：某大厂的动作库有上万条动捕片段，技术动画师写脚本批量跑清洗：先滤波再补帧，再用标准骨架重定向，全部成功后自动导入引擎，出错的进“待人工修”清单，整体效率提升 70%。

虚拟主播实时驱动

阶段：模型部署与实时推理

解决的问题：直播时主播戴惯性动捕套装，数据自带漂移，而且虚拟形象是 Q 版大头短腿，比例和真人差异巨大，直接用会不停穿模。

具体案例：系统每帧做滑动平均去噪、骨骼比例重定向、IK 约束脚部，把真人动作实时映射到 Q 版形象上，再用 LOD 让手机端流畅渲染。观众看到的主播比心、摇头、跺脚，其实每帧都经历了完整的动捕流水线。

用动捕数据训练 AI 动作生成模型

阶段：训练数据构建

解决的问题：动作生成模型（如 Motion Diffusion 系列）需要大量干净、骨骼一致的训练数据，原始动捕数据无法直接喂给模型。

具体案例：团队把清理重定向后的 BVH 数据统一重采样成 30fps、规整到同一套骨架，作为扩散模型的 ground truth，再结合自然语言指令生成新动作。清洗质量直接决定生成动作的逼真度——这就像“复印店”的母带越干净，印出来的每一张越像大师本人。

Python 演示

python60 行
import mathimport random  def noisy_trajectory(frames=120, period=8.0, noise_amp=0.3):    # 生成一段含噪的关节轨迹,模拟动捕原始数据    pts = []    for f in range(frames):        x = f / 10.0        y = math.sin(f / period) * 2.0 + random.uniform(-noise_amp, noise_amp)        pts.append((x, y))    return pts  def moving_average(pts, half_window=3):    # 滑动平均滤波:每个点用前后 half_window 个点的均值替换    cleaned = []    n = len(pts)    for i in range(n):        start = max(0, i - half_window)        end = min(n, i + half_window + 1)        avg_y = sum(p[1] for p in pts[start:end]) / (end - start)        cleaned.append((pts[i][0], avg_y))    return cleaned  def retarget(pts, source_bone=1.0, target_bone=1.4):    # 骨骼重定向:以首帧为根,按骨骼长度比例缩放各帧偏移    s = target_bone / source_bone    root_x, root_y = pts[0]    return [(root_x + (px - root_x) * s, root_y + (py - root_y) * s) for px, py in pts]  def angle_simplify(pts, keep=0.15):    # 角度抽稀:中间点与首尾点近似共线就删掉,模拟 LOD 优化    simplified = [pts[0]]    for i in range(1, len(pts) - 1):        ax, ay = pts[i - 1]        bx, by = pts[i]        cx, cy = pts[i + 1]        cross = abs((bx - ax) * (cy - by) - (by - ay) * (cx - bx))        if cross > keep:            simplified.append(pts[i])    simplified.append(pts[-1])    return simplified  def main():    raw = noisy_trajectory()    clean = moving_average(raw)    mapped = retarget(clean, target_bone=1.4)    lod = angle_simplify(mapped)    print("原始帧数:", len(raw))    print("清理后帧数:", len(clean))    print("重定向后关节首坐标:", tuple(round(v, 2) for v in mapped[0]))    print("抽稀后保留帧数:", len(lod), "占比 %.0f%%" % (len(lod) / len(raw) * 100))  if __name__ == "__main__":    main()
目的：用一小段脚本模拟完整的动捕处理流水线——生成带噪轨迹、滑动平均去噪、按骨骼比例重定向、角度抽稀简化，展示“采-清-重-优”四个环节。
  1. y = math.sin(f / period) * 2.0 + random.uniform(-noise_amp, noise_amp)用正弦曲线模拟干净动作，再叠加随机噪音模拟动捕硬件抖动
  2. avg_y = sum(p[1] for p in pts[start:end]) / (end - start)滑动平均核心，把前后窗口内的 y 值求平均，噪音被“抹平”
  3. s = target_bone / source_bone计算源骨骼与目标骨骼的长度比例，这是重定向的“缩放系数”
  4. (root_x + (px - root_x) * s, ...)只缩放相对根节点的偏移，根节点本身不动，保证角色站位不飘
  5. cross = abs((bx - ax) * (cy - by) - (by - ay) * (cx - bx))用叉积判断三点是否近似共线，共线就删中间点，对应曲线抽稀
  6. print("抽稀后保留帧数:", len(lod), ...)打印压缩效果，让优化成果看得见

常见误区

误区动捕棚导出的动画文件导入引擎就能得到和现场一样的效果，不需要额外处理。

正解原始数据充满噪音、丢帧、穿模和比例不适配。就像现场录的舞蹈视频有杂音和穿帮镜头，必须经过清理和重定向才能进引擎。跳过清洗直接上线，角色会抖动、滑步、穿模，返工成本比先清洗高得多。

为何常见：厂商 Demo 展示的都是处理后的成品，让人误以为“捕捉即所得”。

误区把骨骼整体缩放一下，动画自然就适合新角色了。

正解整体缩放只解决长度问题。骨骼层级、命名、旋转顺序甚至关节数量都可能不同；还需要 IK 约束来保证脚不穿地、手不插身。就像把成人舞谱硬塞给小孩，不调整节拍和幅度，孩子跳不出那个味道。

为何常见：直观上觉得“大号复制小号”就是缩放，忽略了骨架结构差异。

误区为了消除抖动，把平滑窗口开得很大，结果动画变得很软，还觉得是手感问题。

正解窗口越大细节丢失越多，爆发力动作会变成“棉花拳”。正确做法是先用小窗口试，对四肢和躯干用不同强度，甚至用保留细节的平滑算法。

为何常见：“去噪”两个字让人以为噪音越少越好，忽略了动作本身才是主体。

误区动捕都拍 120fps，游戏也应该全部用 120fps 才顺滑。

正解游戏通常 30fps 就够，高帧率数据占用大量内存带宽。高频细节在游戏里感知不到，反而拖累性能。正确做法是离线重采样到目标帧率，顺便把高频抖动滤掉。就像电影 24 帧就让人感觉流畅，盲目加帧只是浪费胶片。

为何常见：“参数越高越好”的思维惯性，没考虑渲染预算。

误区都是动作文件，改个名字就能互相换。

正解BVH 是纯文本的骨骼层级旋转数据，不含网格蒙皮；FBX 是容器格式，包含骨架、蒙皮权重、约束、动画曲线甚至自定义属性。两者转换常有信息丢失。就像简谱和总谱都能演奏同一首歌，但总谱包含的演奏信息完整得多。

为何常见：在软件里都能导入，看起来“都是动作”。

面试题

Q1. 动捕数据从设备拿到后，第一步通常要做什么？

单选题 · easy

  • A.直接导入引擎播放
  • B.清理噪音和断帧← 正确答案
  • C.压缩成低帧率数据
  • D.拆分成多个小片段

答案：B。原始动捕数据充满传感器抖动、遮挡断帧和穿模，直接进引擎会让角色像帕金森一样抖、脚下滑步。就像录音棚原声带要先去噪修音才能发唱片。压缩和拆分都是清理之后的后处理，播放更是最后的事。

Q2. 下列哪种动捕方式最依赖反光标记点？

单选题 · mid

  • A.惯性动捕的关节传感器
  • B.光学动捕的多相机捕捉← 正确答案
  • C.视频动捕的单目估算
  • D.游戏手柄的按键输入

答案：B。光学动捕靠多台相机捕捉身体上反光贴纸的影像来重建三维坐标，最依赖标记点。惯性动捕用陀螺仪不依赖贴纸，视频动捕靠图像算法，手柄输入则与标记点完全无关。

Q3. BVH 动作文件里主要保存的内容是？

单选题 · mid

  • A.关节层级与旋转通道← 正确答案
  • B.网格顶点与颜色数据
  • C.材质贴图与光照参数
  • D.音频和音效时间轴

答案：A。BVH 是纯文本的骨骼层级加每个关节的旋转通道数据，相当于“简谱”。它不保存网格顶点、材质贴图和音频，所以网格、光照、音效相关的选项都是干扰项。

Q4. 动捕数据的清理修复通常包括哪些工作？

多选题 · mid

  • A.消除传感器的抖动噪音← 正确答案
  • B.修复肢体穿模的问题← 正确答案
  • C.补齐被遮挡的缺失帧← 正确答案
  • D.为模型重新绘制贴图

答案：ABC。清理修复三大件是去噪、修穿模、补缺帧，对应“教学带”去掉雪花、穿帮和断片。绘制贴图是美术环节，和动作数据无关。

Q5. 骨骼重定向时，遇到身高差异大的角色，最基础的处理是？

单选题 · easy

  • A.按骨骼长度比例缩放偏移← 正确答案
  • B.把动画帧率改成相同
  • C.直接复制关节旋转值
  • D.删除多余的全部骨骼

答案：A。重定向最基础是按骨骼长度比例缩放关节相对根节点的偏移，就像把大师的舞步按学生腿长换算。改帧率不解决长度差异，直接复制旋转值在长骨架上会造成末端大幅偏差，删骨骼会破坏层级。

Q6. 滑动平均滤波的窗口 k 调得过大，主要风险是？

单选题 · mid

  • A.动作细节被过度抹平← 正确答案
  • B.骨骼比例发生了改变
  • C.动画文件体积成倍增大
  • D.穿模问题变得严重

答案：A。窗口越大，参与平均的帧越多，高频细节被抹得越狠，爆发性动作会变软。它不改变骨骼比例，也不增加文件体积，更不会直接解决穿模——穿模要靠碰撞体与 IK 修复。

Q7. 把动作重定向到体型差异巨大的角色时，正确的做法包括？

多选题 · hard

  • A.建立正确的骨架映射表← 正确答案
  • B.用 IK 约束脚不穿地面← 正确答案
  • C.注意骨骼旋转顺序差异← 正确答案
  • D.把所有旋转值强制归零

答案：ABC。映射表解决“哪个关节对哪个关节”，IK 约束解决滑步和穿刺，旋转顺序不同会导致方向错误。归零旋转是破坏性操作，会毁掉整个动作，相当于把舞谱全部涂掉。

Q8. 移动端游戏采用动捕动画 LOD 的主要目的是？

单选题 · mid

  • A.远距离角色用简化动画← 正确答案
  • B.提高动捕相机的分辨率
  • C.增加骨骼节点的数量
  • D.缩短动画文件的导出

答案：A。LOD 的思路是远处角色用抽稀到极致的简笔动画，近处才用完整动画，人眼看不出差别但性能省一大截。它和相机分辨率、骨骼数量、导出时间都没有关系。

Q9. 关于 BVH 与 FBX 动作格式，下列说法正确的有？

多选题 · hard

  • A.BVH 是纯文本层级旋转格式← 正确答案
  • B.FBX 能保存蒙皮权重约束← 正确答案
  • C.FBX 常用于引擎与 DCC 交换← 正确答案
  • D.BVH 可以保存完整角色网格

答案：ABC。BVH 只存骨骼层级和旋转通道，是“简谱”；FBX 是“总谱”，能保存蒙皮权重、约束和动画曲线，也是引擎与 DCC 之间的事实标准。BVH 不含网格，D 错误。

Q10. 角色转向与奔跑速度动画混合，引擎中最常用的手段是？

单选题 · easy

  • A.混合空间做速度过渡← 正确答案
  • B.骨骼权重重新绘制
  • C.贴图纹理的压缩
  • D.屏幕反走样设置

答案：A。混合空间像 DJ 打碟，根据输入的速度和方向给左右两段动画加权混合。骨骼权重是蒙皮的事，纹理压缩和反走样是渲染的事，与动作混合无关。