乘风破浪，遇见未来元宇宙(Metaverse)之进入元宇宙世界，虚拟数字人行业洞察报告

正值元宇宙热潮，虚拟数字人兴起

作为一个新兴领域，虚拟数字人已经引起市场和资本的高度关注，截至目前据不完全统计，全球范围已有500+虚拟数字人相关项目获得融资，融资总额超10亿美元，并且融资项目和总额正处于快速上升状态。以亚太地区最火热的韩国头像制作平台Zepeto为例，近期正在准备近2亿美元的融资，短短3年时间内就晋升独角兽行列。

Zepeto市场热度持续走高，做头像也能成为独角兽

Zepeto是全球最大的头像制作平台之?，自Zepeto推出后短短三个?的时间内，MAU增长高达5倍，在35个国家/地区的应用商店中免费软件类别中排名第?。在软银和顶级K-pop公司的?持下，该平台拥有Gucci、Ralph Lauren、Nike、Disney和MLB等众多全球领先企业作为其合作伙伴，目前已经交易了超过15亿个应用程序内项目，拥有超过2000万的MAU和2.5亿终身用户，是Metaverse和虚拟数字?市场的先驱之?。

据悉Zepeto正在进行上亿美元B轮融资，软银将以10亿美元估值投资1.5亿美元，Zepeto在完成此轮融资后将晋升独角兽行列。

虚拟偶像横空出世，一夜爆火震惊行业

Ayayi于今年5月20日在小红书发布第一条动态，宣告中国首个虚拟偶像诞生，第?条小红书发布当天获得224万阅读、9.3万喜欢、超过4千条评论，仅仅一夜时间获得4万粉丝，在?个月的时间就与国际?牌矫兰达成合作，Ayayi的走红速度令国内众多希望一夜成名的网红望尘莫及。

打造Ayayi的超现实虚拟数字?虚拟孵化公司燃?科技也因此获得资本的关注，迅速于6?25日完成Pre-A轮数百万?民币的融资，持续打造更多虚拟数字人形象、扩?业务范围。

虚拟数字人仍处于发展初期，距离完全体存在距离

虚拟：存在于非物理世界中，实现难度视不同场景存在差异

• 以图片、视频、实时内容等形式存在于数字媒体或虚拟世界中，没有物理实体形象。
• 各个场景所需的技术和驱动方式存在差异，例如在对于图片形式的虚拟数字人要求较低，目前阶段实现难度低，但对于视频直播则需要极?要求，目前仍在发展阶段。

数字：数字技术是发展基础

• 虚拟数字人是多种技术的综合产物。
• 核心技术包括CG建模、真人驱动、深度学习、??智能等。
• 近年来图像识别、语?识别、动态捕捉等技术的成熟推动了虚拟数字人发展。

人：高度拟人化，追求对真人的最大程度还原甚至超越

• 外表：虚拟数字人的外部形象，受到扫描建模、制作细节、渲染水平等技术影响。
• 行为：虚拟数字人的面部表情、肢体动作、语?表述等受到驱动技术、深度学习、数据训练等技术影响。
• 交互：虚拟数字人的交互能力受到语?识别、?然语?处理、人?智能等技术影响。

完全体的虚拟数字人具备三大主要特征，现阶段发展水平距离完全体仍有距离

虚拟数字人发展历史，由手绘转向技术

虚拟数字人已形成从构建到应用的完整产业链

产业链上游包括生成虚拟数字人的一系列硬件及软件提供商

目前虚拟数字人的制作成本高昂，在一定程度上制约了行业的大规模应用和发展，尤其是3D虚拟数字人，仅仅是制作单个虚拟数字人人物形象的成本高达百万人民币。

但在未来伴随建模、软件、设备各方面的日益成熟，将使虚拟数字?的制作门槛逐步降低，技术成熟度是推动虚拟数字人商业化的重要基础。

虚拟数字人的生成过程主要由建模、驱动、渲染三大步骤构成

建模 —> 驱动 —> 渲染

虚拟数字人形象制作过程中主要有建模、驱动和渲染三大过程，目前有两类制作技术，分别为真?驱动型和技术驱动型。两种制作技术在驱动过程中存在差异。从两种制作技术的可塑性角度而言，技术驱动型更符合未来市场的需求。

建模：相机阵列扫描重建替代结构光扫描重建成为人物建模主流方式

主流三维扫描建模有四种技术：

建模：多相机阵列加光场能获得更好建模效果，核心是算法

Light Stage

嘉兴超维VR3D

2019年初，Paul Debevec因其Light Stage扫描技术获得Oscar SciTech Award奖项。Light Stage是由美国南加州?学ICT Graphic Lab的Paul Debevec所领导开发的?个高保真的三维采集重建平台系统。该系统以?逼真度的3D人脸重建为主，并已经成功应用于40多部好莱坞电影渲染中。Light Stage本质上是一套光源、相机协同采集系统，能够对每个光源进行独立编程控制其亮度和颜色，在Light Stage内模拟出较为理想的各种光照环境。

对于光场建模而言，算法是核心，国内对于这?算法技术还没有成熟的解决方案。中国嘉兴超维的VR3D也使?了光度立体法作为扫描?段，但距离Light Stage级别的扫描还有?定距离。上海科技大学MARS实验室的穹顶光场(Light Field Stage)也在进行同样的尝试。

驱动：目前主流有三种驱动技术，各有优劣

光学动作捕捉

光学动作捕捉是通过对目标上的特定光点进行跟踪完成运动动作捕捉的技术。最常用是基于Marker(马克点)的光学动作捕捉，在运动物体关键部位粘贴能够反射红外光的马克点，并用相机捕捉马克点的运动轨迹。

成本高昂，捕捉精度高，对环境要求高

惯性动作捕捉

惯性动作捕捉主要是基于惯性测量单元IMU(Inertial Measurement Unit)，在身体的重要节点佩戴集成加速度计，陀螺仪和磁力计等惯性测量单元，然后通过算法实现动作的捕捉。

价格相对较低，精度低，连续使用会产?累积误差，发生偏移

计算机视觉动作捕捉

计算机视觉动作捕捉基于计算机视觉原理，由多个高速相机通过不同角度对目标特征点进行监视和跟踪实现动作捕捉。通过高速率连续拍摄，从图像序列中获得运动轨迹。

精度高，受外界环境影响大，简单，易?，低价

总结

光学捕捉：捕捉精度最高但同时成本最高，需要在无遮挡和光线充足的环境下进行，对人物和光线进行捕捉

• 国外代表：Vicon，OptiTrack，Motion Analysis
• 国内代表：Nokov，uSens，青瞳视觉

惯性捕捉：扛遮挡能力最强，成本在三种技术方法中适中

• 国外代表：Xsens(荷兰)
• 国内代表：诺亦腾，幻境，国承万通

视觉捕捉：成本和对环境要求都较低，但是要求极高的算法开发能力

• 国外代表：Kinect，Leap Motion