OmniPoser мокап без маркеров. Но нужны сенсоры или уже извлеченные ключевые точки, модель достраивает недостающие суставы. Пригодится для VR, аватаров, робототехники и анимации. Раньше под каждый набор сенсоров учили свою модель, здесь одна архитектура на все • На вход любые комбинации датчиков, включая верх тела, пять точек VR или только голову • Понимает, каких суставов нет, и достраивает их по смыслу, а не нулями • Отдает готовый SMPL: поза, форма, контакт стоп с полом, глобальная траектория без дрейфа • Один шаг генерации, без перебора вариантов • Больше 700 кадров в секунду • Реальное время на одной видеокарте • Точность на уровне специалистов: 32,1 мм на AMASS против 34,8 у RoHM, на Nymeria 21,1 против 59,3 github.com/JamesBridgewater51/omniposer #mocap MAX

DirtyMoCap Полный мокап «грязных» маркеров — разреженных, перепутанных и без разметки. Восстанавливает SMPL-H движение: поза, кисти, глобальное перемещение и телосложение. SIGGRAPH Asia 2026 • Любая раскладка маркеров: одна модель, без заданного набора • Маркеры могут быть перепутаны и без меток кадр за кадром • Фиксированные якоря тела — суставы и точки поверхности — стабильный промежуточный слой • Learned confidence: солвер решает, каким точкам верить, отсеивая выбросы • До 100× быстрее стандартного PyTorch-солвера за счет CUDA Проверяли на старых сырых захватах китайских боевых искусств без разметки: 134 записей, ~180 минут, 22 стиля — собрали новый датасет кунг-фу. Это для оптических маркерных систем, не видео-мокапа. Код и данные пока закрыты; MoSh++ все еще чуть точнее по поверхности тела, но только за счет размеченных маркеров github.com/WangLongZJU/DirtyMoCap - ждем #mocap MAX