Single vs Multi-Person Mocap: When You Need Both

少し前まで、人の動きをキャプチャするには光学スタジオを借り、ライクラ製のスーツに身を包み、実際に演技する時間よりも反射マーカーを貼る時間のほうが長くなるのが当たり前でした。今日では、AIモーションキャプチャがそのパイプライン全体をアップロードボタン1つに集約しました。スマートフォンで動画を撮影し、それをマーカーレス・モーションキャプチャエンジンに読み込ませれば、数分後には編集可能な3Dアニメーションデータが手に入ります。

しかし、録画ボタンを押す前に、今なおすべてのキャプチャ作業の方向性を決める判断が1つあります。撮影するのは1人か、それとも複数人か？ シングルパーソンとマルチパーソンのモーキャップは、表面的には似て見えても、撮影戦略、オクルージョンのリスク、クリーンアップの手間、そして切り開かれるクリエイティブな可能性において異なります。本ガイドでは、シングルパーソン・キャプチャで十分なのはどんなときか、マルチパーソン・キャプチャが必須になるのはどんなときか、そしてQuickMagicのようなプラットフォームが、ツールを切り替えることなく両者を — さらにテキストから3Dアニメーションまで — 使い分けられる仕組みを解説します。

マーカーレス・モーションキャプチャとは？

マーカーレス・モーションキャプチャは、コンピュータビジョンと機械学習を用いて、動画から直接人体の動きを推定します。スーツも、センサーも、キャリブレーション済みのカメラアレイも不要です。モデルは身体、手、そして（対応プラットフォームでは）顔のキーポイントをフレームごとに検出し、あらゆるキャラクターにリターゲティングできる3Dスケルトンを再構築します。

これが現代の動画から3Dアニメーションワークフローを支える技術であり、業界全体のツールを動かしています。DeepMotionのAnimate 3Dとそのテキスト駆動型の兄弟製品SayMotionから、動画キャプチャ、テキストプロンプトからのジェネレーティブ3Dモーション、そしてゲーム、MMD、VTuber、デジタルヒューマン向けのエクスポートプリセットを1つのワークスペースに統合したQuickMagicのようなオールインワンプラットフォームまで、幅広く採用されています。

シングルパーソン・モーキャップ：強みと限界

シングルパーソン・キャプチャ — 演者1人、スケルトン1体 — はAI 3Dアニメーションの主力です。大多数のコンテンツにとって、これが適切なデフォルトです：

• VTuberおよびMMDコンテンツ： ダンスカバー、アイドルパフォーマンス、ミーム系アニメーションは、ほぼ常に1クリップにつき1キャラクターです。ネイティブのVMDエクスポート（QuickMagicが提供、競合他社ではまれ）を使えば、モーションをそのままMikuMikuDanceに取り込めます。
• ゲームのロコモーションと戦闘： 歩行／走行サイクル、ジャンプ、攻撃、ヒットリアクションは通常、キャラクターごとに制作し、エンジン内でブレンドします。
• デジタルヒューマンとバーチャルプレゼンター： 話したりジェスチャーをする単一のアバターには、上半身、手、顔のクリーンなキャプチャが必要です。これはまさに単一被写体トラッキングが最も得意とするところです。
• リファレンスとプリビズ： 本番撮影に入る前にパフォーマンスをブロッキングする用途。
• ロボティクスとエンボディドAI： ヒューマノイドプラットフォームの模倣学習向けに人間の動作リファレンスを生成する用途（QuickMagicはUnitree G1/H1ロボット向けプリセットまで用意しています）。

シングルパーソン・キャプチャが簡単な理由

フレーム内に被写体が1人だけなら、AIはIDの割り当て（どのスケルトンが誰のものか）を解く必要がなく、大きなオクルージョンに直面することもほとんどありません。その結果：

• 特に手や指において、関節ごとのトラッキング信頼度が高い
• クリーンアップが少なくて済む — 足の滑りや四肢の入れ替わりといったアーティファクトが減る
• アップロードからエクスポートまでの所要時間が短い

限界： 物語に2つの身体が触れ合う、かわす、持ち上げる、反応し合う場面が関わった瞬間、シングルパーソン・キャプチャは苦痛な回避策を強いられます。つまり、演者を別々に撮影し、DCC内でクリップを手作業で位置合わせするのです。ハグや柔道の投げ技を手動でシンクロさせようとしたことのある人なら、それがいかにあっという間に制作の1週間を食い潰すか知っているでしょう。

マルチパーソン・モーキャップ：1つのスケルトンでは足りないとき

マルチパーソン・モーキャップは、同じ映像内の2人以上の演者をトラッキングし、被写体ごとに別々のアニメーションストリームを、その空間的関係を保ったまま生成します。この保たれた関係こそが要点であり、特定のコンテンツカテゴリをそもそも可能にするものです：

• 格闘振付： パンチ、ブロック、投げ、組み技は、2つの身体の距離とタイミングが正確なときに初めて正しく成立します。
• ペアダンス： 社交ダンス、サルサ、K-POPデュエット — 体重を共有したり、足運びが同期するあらゆるルーティン。
• スポーツ分析： 守備対攻撃の駆け引き、バスケの1対1、武術のスパーリング。
• シネマティックなカットシーン： 会話、対峙、キャラクターが同じ空間を占める群衆のワンシーン。
• マルチエージェントのデジタルヒューマン： バーチャルヒューマンが説得力をもって相互作用するシーンの訓練や演出。

シングル vs マルチパーソン・モーキャップ：比較対照

実際に両方が必要になるケース

ここが多くの比較記事が見落としている点です。実際の制作では、1つのモードを永遠に選び続けることはほとんどありません。 典型的なインディーゲームや短編アニメーションを考えてみましょう：

1. アニメーションリストの80%はソロ — ロコモーション一式、待機モーション、エモート、NPCの挙動。シングルパーソン・キャプチャで、速く安く。
2. 20%はインタラクション — フィニッシュムーブ、握手、カットシーンの口論。マルチパーソン・キャプチャが必須。

ツールが片方のモードしか扱えないなら、インタラクションのショットのためにスタジオを借りるか（高コスト）、ソロのテイクで偽装するか（時間がかかり説得力に欠ける）の二択になります。まさにこれが、オールインワンプラットフォームが優位に立つ理由です。QuickMagicなら、同じアップロードフローで月曜日にはソロのダンステストを、金曜日には2人組のスパーリングセッションを扱えます。身体、手、顔のキャプチャも込みで、接触の瞬間をクリーンに保つめり込み防止補正も備わっています。

クリーンなマルチパーソン撮影のためのコツ

マルチパーソンのリアルタイム・ボディトラッキングもオフラインの動画モーキャップも、同じ物理原則に従います。AIは見えるものしかトラッキングできません。制作品質の結果を得るために、次のルールに従いましょう：

• 広くフレーミングし、全員を完全に映す。 テイク全体を通して、すべての被写体を頭からつま先まで全身が入るように撮影します。
• 長時間の重なりを最小限にする。 短い交差は問題ありませんが、ある演者が別の演者を完全に隠す状態が長く続くと、クリーンアップの時間が増えます。
• コントラストのつく服装を。 人物ごとに異なる服の色はIDの割り当てに役立ちます。四肢のシルエットをぼやけさせるゆったりした布地は避けましょう。
• 均一に照明を当てる。 強い影とモーションブラーは関節の信頼度の敵です。フレーム内に身体が2つあれば、なおさらです。
• 可能な限りカメラを固定する。 移動カメラの映像にも対応していますが、静止ショットのほうがグローバルモーションが最も安定します。
• 接触のビートをリハーサルする。 組み技や持ち上げは、キャプチャ中はややゆっくりめで意図的なタイミングにすると効果的です。ポストプロダクションでタイミングを調整できます。

動画の先へ：テキストから3Dアニメーション

参照となる映像がまったくないこともあります。深夜2時にボス戦のアイデアを練っているとか、演者をキャスティングする前にシーンをプリビズするとか。ここでジェネレーティブ3Dモーションがワークフローに加わります。

テキストから3Dアニメーションでは、動作を平易な言葉で描写します — 「剣士が踏み込み、受け流し、反撃する」 — するとシステムが編集可能なモーションの下書きを生成します。DeepMotionはこれを別製品のSayMotionとAnimate 3Dを通じて提供していますが、QuickMagicはこの機能を動画モーキャップのパイプラインと同じプラットフォームに直接組み込んでいるため、次のことが可能です：

• テキストからソロの動きをプロトタイピングし、最終版を動画でキャプチャする
• 一切撮影することなく、キャラクターやヒューマノイドエージェント向けのモーション案を生成する
• プロンプトからインタラクションのビートをブロッキングし、後で要所を実際のマルチパーソン・キャプチャに置き換える

テキストによる下書きでアイデア出しをし、ソロのショットはシングルパーソン動画で、インタラクションはマルチパーソン動画で — このハイブリッド戦略こそ、動きの速いチームが数週間分のアニメーションを数日に圧縮する方法です。

キャプチャからキャラクターへ：モーション・リターゲティング & エクスポート

キャプチャしたモーションは、あなたのキャラクターに損なわれずに届いてこそ役に立ちます。モーション・リターゲティング — ソーススケルトンをあなたのリグにマッピングすること — は、多くのモーキャップツールが静かに破綻するポイントです。特に2つのストリームを同期させ続けなければならないマルチパーソンデータでは顕著です。

QuickMagicは同クラスで最も幅広いプリセットライブラリを搭載しており、シングルパーソン・キャプチャもマルチパーソン・キャプチャも必要な場所に届きます：

• フォーマット： FBX、BVH、BIP、C4D、VMD、Mixamo、UE4 / UE5.5 / UE5.6、MetaHuman、Character Creator & iClone、Roblox、OnlyFace、UniRobot
• DCC & エンジン： Blender、Unreal Engine、Unity、Maya、3ds Max、MotionBuilder、Cascadeur、MikuMikuDance、Cartoon Animator、UEFN
• 専門用途： MMDおよびVTuberパイプライン向けのネイティブVMD、ヒューマノイドロボティクスとエンボディドAI研究向けのUnitree G1/H1/H1_2プリセット

デジタルヒューマンのチームにとっては、スマートフォンでキャプチャした2人の会話を、同じ日の午後にMetaHumanへリターゲティングできるということです。MMDクリエイターにとっては、デュエットがカメラロールからVMDへ、フォーマットコンバーターを一切見ることなく進みます。