华为：MoCapAnything V2 视频精准驱动任意3D骨骼

MoCapAnything V2 是一个创新的端到端单目视频动作捕捉框架，旨在将人类或动物的运动转化为任意骨骼结构的动画。该系统弃用了传统复杂的中间网格生成和不可微的逆运动学（IK）计算，转而采用完全可学习的神层网络，使推理速度提升了约 20 倍。通过引入参考姿态-旋转对，该模型有效解决了骨骼坐标系定义不明导致的旋转歧义，大幅提高了捕捉精度。核心技术 GL-GMHA 机制融合了局部运动链推理与全局协调，确保了在处理未知骨骼拓扑时依然具有极强的泛化能力。实验证明，该方法在多种数据集上均实现了更低的角度误差，能够生成更加自然且即插即用的动画结果。