拉伸传感器与机器学习强强结合 ，“三种手指捕捉模式”助力教育教学革新

10月24日，第80届教育装备展示会进行到了第二天，展会上迪生Hand Engine手部动作捕捉系统大放异彩，它将独特的拉伸传感器与机器学习相结合，也因此被赋予了很多技术优势。该手套可以捕捉精细的手部运动数据，且不惧遮挡不惧剧烈运动可以创建专人的手型文件。由于区别于传统的光学与惯性系统，使它在展会期间受到很多人重点的关注。

迪生Hand Engine 手部动作捕捉软件有三种模式，每种模式呈现的效果特点各异，但三种模式在后期制作中均无需返回和重新拍摄即可任意切换模式，且可以做出各种高难度的动作。这种高保真、高性能、高难度、高精准的动作捕捉数据也意味着它卓越的价值。

其中自由姿势检测模式的稳定性强，可以进行实时调整。它可在拍摄期间非常快速地调整姿势，包括检测姿势的强度等，其效果完全由自己控制。在拍摄前可以关键帧质量的精度训练需要的手部动作，拍摄的动作越丰富，在拍摄中可以识别动作的程度就越高，获得的手部动作就越精准。因此用各种动作的合集，就可以做热门的抖音“手指舞”。

姿势库模式可在拍摄前创建并上传自定义姿势库，用于在拍摄过程中获得精准的手部动作。以校准的姿势作为连续动作的标准，并将自由姿势检测模式与混合模式进行了结合，两种模式不能同时实现的动作，在该模式中皆可实现。在实际操作中，该模式需要有明确的手部姿势，软件才能自动识别手指动作的所属模式。如果手指的动作接近自由姿势检测模式，就会向其动作接近，可以做出连续、自然的手部运动，相反如果接近混合模式，软件系统就会将演员的动作强制执行校准动作。

混合模式通过机器的学习辅助可以自动插入关键帧，只需要设定一个动作范围，软件即可识别演员所做的姿势动作。在关键帧与姿势库的作用下，可以将其动作吸附到校准的姿势状态下。使用手部动作解决方案时，时间和效率很重要，而这种混合模式，能够自动将演员所做的动作进行吸附，可以提高制作速度。

这三种模式以及具有革命性的拉伸传感器技术可为教育教学、虚拟制作创作者提供了一套内容解决方案，它可以制作市场上最准确、最逼真的手部运动动画。将其技术优势应用到院校的教育教学中，可以在最短的时间内获得高质量的手部数据，为学生后期整理关键帧减少时间和成本，也让他们有更多的时间和精力制作精美的动画，还可推动制作模式的变革，助力教育教学的新样态。

迪生一直致力于促进数字制作技术与教育教学的深度融合，提升教育质量，实现教育革新，积极与院校探索和创新人工智能、虚拟现实等技术在教学中的应用，开展启发式、探究式、参与式等不同形式的教学。未来的教学环境是人与智能技术高度协同的“人技”结合，以学生为中心的新型教育环境，需要企业与院校不断加深合作，才能共同促进高质量教育的发展。