正文
▲Unreal Engine中的捕捉画面。动作流畅自然，没有任何破绽，几乎可以直接使用
▲MotionBuilder中的画面。完全重现了相同的动作
用于获取位置信息的视频拍摄
惯性式动作捕捉原理上记录位置信息的能力较弱，随着拍摄的持续，位置会逐渐偏移。通常作为对策，会同时使用光学式动作捕捉，但本次的案例因环境限制难以实现，因此采用了从高处拍摄的视频影像来校正位置。
首先，从MVN中提取了包含简易位置信息的数据和侧重身体角度的两种数据，在MotionBuilder中进行混合处理。随后，通过开发一个AI自动解析视频影像轨迹的脚本，将其与前述的动作捕捉数据结合，制作出最终的数据。“在尽量减少关键帧调整的情况下，确保移动，旋转动作和跳跃数据的一致性，是一项极具挑战性的尝试”
（山添先生）
。
用于位置信息校正的视频影像
在《金牌得主》官方YouTube频道公开的，由花样滑冰编舞铃木明子女士进行动作捕捉录制的现场
02
角色绑定
采用mGear，自由操控从表情到冰鞋的动作
绑定系统采用了ｍGear。为了使面部捕捉的表情与手绘无差异，CG动画师需要进行手动修正。因此，面部轮廓采取了多级绑定控制，以实现通过变形调整面部线条。此外，主角结束祈的标志性刘海
（俗称“炸虾”）
等部位也设置了可以细致调整的多级绑定。
“Blend Shape系统主要用于基本表情。其他部分则由动画师细心调整。”3DCG绑定技术总监砂村洋平说道。为了方便动画师在每个镜头中进行修正，特别设计了易于调整的绑定结构。另外，滑冰鞋的部分做了特别的设计。这样的设计使脚踝的模型并不直接与冰鞋固定并进行随动，而是构建了当腿部向前弯曲时，脚踝与冰鞋会产生缝隙的机制。
此外，作画团队希望对鞋子等信息量大且作画成本高的部分使用CG模型进行轮廓渲染并加以利用，因此团队将Maya的绑定和控制器移植到了Blender，使作画团队也能使用。“作画中费时的部分通过CG实现了效率化”
（3DCG全能制作人·鸟谷部正辉）
。
基于mGear进行的绑定与面部表情设置
绑定系统可以对模型进行精细调整，以避免在每个镜头中因作画和镜头的细微变化而产生违和感。绑定的核心理念是通过叠加变形器
（Deformer）
实现分层控制，以增加动画师可以调整的部分。砂村先生表示：“我们想避免2D中能够做到的细腻表现，在3D中却做不到的情况。”
▲
全身绑定操作画面。裙摆的摆动不是通过布料模拟实现的，而是采用了便于手动调整飘动效果的机制。
▲
面部捕捉目标
（Facial Target）
。Blend Shape仅包含嘴型和眼睛开闭等基本内容
▲
眼球相关的变形调整
▲
细节变形绑定。用于精细调整眼睛形状和轮廓形态
▲
眉毛、轮廓对象及阴影对象的变形绑定系统
▲
用于局部变形的绑定。通过与其他变形器叠加使用，可以实现复杂的调整。
用于角度调整的控制器，实现仰视和俯视
由于CG角色在仰视和俯视角度下表现较为逊色，因此设置了大量用于校正的控制器，力求打造无CG感的画面效果。然而由于控制器数量过多导致操作困难，所以按照动画师的需求，对系统进行了改进。
“每次调整多达30个控制器非常麻烦，所以我们听取了动画师方面的很多意见。”
（3DCG动画总监·堀正太郎）
最终完成的绑定系统同时支持自动调整与全手动调整。
▲
无仰视校正
▲
有仰视校正。可以任意调整侧面脸颊的线条，使其变形得像作画的一样。有时还会让作画人员加上红色标记以便调整。
▲
同样，无俯视校正
▲
有俯视校正。同样地，通过调整侧面脸颊线条，使其呈现出如同手绘般的效果
飘散的头发和“炸虾”控制
系统构建了通过CG实现漫画特有表现的机制，如随机飘散的发丝和从任何视角看都保持一致的刘海。飘散的发丝是用NURBS曲线制作的，可通过显示/隐藏开关切换，并单独渲染后通过合成叠加。此外，俗称“炸虾”的祈的发束会根据观察角度改变形状，因此采用了可以灵活变形的结构。
