A Comparison of Artificial Intelligence and Optical Mocap in The Animation Production.

Abstract

This research aimed 1) compare the performance of the techniques between the Optical Mocap technique and the AI Mocap technique, 2) create sample of animations from Motion capture data, 3) analysis the performance of the sample animations, and 4) evaluate the acceptance of AI Mocap in animation production from academia and industry section. The research results found that 1) performance comparison of motion captures with 5 postures found that AI Mocap Wonder Studio AI was the most efficiency, following with DeepMotion and Rokoko Vision, 2) samples of animation with AI Mocap were consumed least resource by 96%, and 3) the results of AI Mocap acceptance evaluation shown the most lever of acceptance by both education and animation industry section. In summary, AI mocap can replace the Optical mocap because AI mocap has high efficiency in capturing movement similar to Optical mocap.

งานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) เปรียบเทียบประสิทธิภาพการจับภาพเคลื่อนไหวระหว่างเทคนิค Optical mocap กับเทคนิค AI Mocap 2) สร้างแอนิเมชันตัวอย่างจากข้อมูลที่ได้จากทั้งสองเทคนิค 3) วิเคราะห์ประสิทธิภาพการเคลื่อนไหวของแอนิเมชันตัวอย่าง และ 4) ประเมินผลการยอมรับการใช้งาน AI Mocap ในกระบวนการผลิตแอนิเมชันจากทั้งภาคการศึกษาและภาคอุตสาหกรรม ผลการวิจัยพบว่า 1) ผลการเปรียบเทียบประสิทธิภาพการจับการเคลื่อนไหว 5 ท่าทาง ด้วย Optical Mocap โดยรวมพบว่า Wonder Studio AI มีประสิทธิภาพสูงที่สุด รองลงมา DeepMotion และ Rokoko Vision 2) การสร้างแอนิเมชันตัวอย่าง 5 ท่าทาง พบว่า AI mocap ใช้ทรัพยากรน้อยกว่า Optical mocap ถึง 96% ในทุกท่าทาง 3) ผลการยอมรับของภาคการศึกษาและภาคอุตสาหกรรมแอนิเมชันและเกมต้นทุนต่ำที่มีต้อการใช้งานการจับการเคลื่อนไหวด้วย AI mocap ในกระบวนการผลิตแอนิเมชัน ยอมรับในระดับมาก ดังนั้น การจับการเคลื่อนไหวด้วย AI mocap สามารถนำมาใช้แทนการจับการเคลื่อนไหวแบบ Optical Mocap ที่มีราคาสูงได้ดีเนื่องจากมีประสิทธิภาพสูงใกล้เคียงกับการจับการเคลื่อนไหวแบบ Optical Mocap