2022 虚拟人行业深度研究报告原文.docx

《2022 虚拟人行业深度研究报告原文.docx》由会员分享，可在线阅读，更多相关《2022 虚拟人行业深度研究报告原文.docx（39页珍藏版）》请在第一文库网上搜索。

1、目录2022元宇宙基石，多行业渗透制作技术逐步成熟，降本普及未来可期应用边际不断延伸，商业空间拓展可期15IP运作结合项目制，变现空间广阔24元宇宙时代，虚拟化身打开无穷想象空间333638建议关注的虚拟人相关公司风险提示表目录图表1虚拟人发展史5图表2,虚拟人行业图谱6图表3,虚拟人制作流程7图表4.虚拟人主要建模方式7图表5.结构光三维扫描仪8图表6.相机阵列8图表7.动态光场原理9图表8.LightStage三维采集重建平台10图表9.虚拟人脸部驱动逻辑11图表10.虚拟人驱动逻辑11图表11.虚拟人驱动逻辑12图表12.虚拟人驱动逻辑12图表13,模型渲染13图表14.恐怖谷效应14图

2、表15.虚拟人类型15图表传,虚拟人应用场景市场规模预期（2030年）15图表17.虚拟偶像分类16图表18.虚拟偶像发展路径1718图表19.无限王者团首个CG级AR舞台图表20.叶修代言Rexona和美年达181919图表21.国内部分原创虚拟偶像IP图表22.Z世代热点圈层图表23.虚拟偶像VS真人偶像的制作环节20图表24.Z世代喜欢虚拟偶像的原因调查结果图表25.功能型虚拟人主要应用领域21图表26.部分虚拟主播/主持人梳理22图表27.虚拟人在银行业的应用22图表28.虚拟人金融领域市场规模23图表29.虚拟讲解员小糖232424图表30.美国知名虚拟KOLLilMiquela图表

3、31.国内首个国风超写实虚拟KOL翎JJNG图表32.LilMiquela运营矩阵25图表33翎JJNG运营矩阵26图表34.虚拟人代言广告形成了情感和销售双链路营销图表35.部分知名虚拟人品牌合作情况2627图表36.2015-2020年虚拟主播市场规模图表37,2022年2月1日7日b站直播排行榜前2028图表38.2020-2021年b站虚拟主播直播打赏营收28图表39.2020-2021年b站虚拟主播平均付费金额及付费转化率图表40.洛天依等在天描实验室与真人主播带货图表41 .默默酱在抖音直播间与真人主播带货图表42.快手虚拟电商主播关小芳图表43 .飞利浦虚拟主播282929303

4、0图表44.花西子虚拟主播30图表45.2017-2023E虚拟偶像带动周边市场规模31图表46.魔怯科技虚拟数字人解决方案32图表47.偶像BlackPink在ZEPETO的虚拟形象及MyHouse图表48.QQ秀图表49.Horizon Workrooms里的虚拟化身图表50. Roblox玩家虚拟形象图表51. Travis Scott在Fortnite中的虚拟化身34343535图表52.部分互联网及科技龙头入局虚拟化身3537图表53.建议关注公司元宇宙基石，多行业渗透虚拟人指具有数字化外形的虚拟人物。根据2020年虚拟数字人发展白皮书，虚拟数字人具备三大特征：1）拥有人的外观及性格

5、特征；2）拥有通过语言、表情或肢体动作表达的能力；3）拥有识别外界环境、与人交流互动的能力。在元宇宙概念中，未来每个用户都将依托虚拟人为化身进入虚拟世界中探索，虚拟人技术将成为元宇宙时代的基础技术之一。最早的虚拟人出现于20世纪80年代，受限于技术，当时的虚拟人制作以手绘为主。21世纪初，随着动捕、渲染等技术的逐步发展，虚拟人相关技术开始在影视领域逐渐普及，用于呈现超现实角色和场景。2007年初音未来的诞生标志着虚拟偶像行业进入蓬勃发展的阶段。近些年来，随着AI和深度学习算法的出现，虚拟人的制作环节被大大简化，同时虚拟人的功能性也日渐凸显：数字员工、智能主持人等新业态被开发。目前国内各大相关公

6、司均已开始虚拟人相关的布局和变现，预期其在娱乐、电商、教育、文旅等诸多行业的应用将逐步落地。图表1.虚拟人发展史冷及提f与突破AI+全203年为艺去将臣拟人物引入到现次世界CG、引首捕捉等芯忑计产也技大取弋传把手绘技术则以手绘为主主新技工后成太行较而八1戌为主关制作于H乐度学习要去筲化铁牛人制作城孽冬葩化,更捷化、号”及多样态成.壮隽2020年，三XSTaR劭作拓双定成制作|RcbLe与E巳的金帆布泵用台1空品tft2G12年，粳何丐新华升送金发布百发若能AI主洋人2019年发次算用尹发1敷于员工|小清”.IH1 HANLON2019年，我孚疣过员TDr.ug I200-年，R.木酎打老本19

7、8呼，英国忖1?sHeadmm 成大百口妥渣葡反拈以I广台电国弁人 flNB1952年、*不第一个感悬，拟隔季就姬朴明关注生20世纣0年代萌芽介陵21世纪河探索阶段近5年现在初级阶段1成长阶段资料来源：2020年虚拟数字人发展白皮书,虚拟人产业已经发展出了由技术层、平台层、应用层组成的产业链结构。虚拟人的基础技术层为虚拟人的生产制作提供技术支持，主要可分为硬件部分和软件部分。硬件包括所有虚拟人呈现及交互所需的硬件，如显示设备、芯片和交互所用的光学器件、传感器等；以及制作虚拟人时需要承载算力的计算设备、动作捕捉所用的各类光学器件以及动作传感器等。软件端除了呈现和交互软件外，在制作环节还需要建模软

8、件和渲染引擎如UnityTechnologies的Unity3D、EpicGames的UnrealEngine等。虚拟人平台层是将技术层中各独立技术进行串联，应用在具体的项目设计中，主要包括建模、动捕、渲染等制作环节。平台层公司目前在高速发展中，竞争壁垒主要在如何结合技术能力和文化设计能力，为下游应用层提供整合的虚拟人解决方案。随着AI、算法、5G网络等技术发展，制作环节成本仍有下降空间。虚拟人应用层将虚拟人应用于各行业领域。虚拟人相关技术首先在影视、传媒和游戏领域有了多年应用的积累，随着技术进一步成熟正逐步呈现出新的赋能方式。目前在金融、文旅等领域，虚拟人凭借其与AI技术的结合，以及成本、表

9、现力优势逐步开始提供数字员工、虚拟导游等服务。图表虚拟人行业图谱影视数字替身传媒虚拟主播虚拟主持德戒数字角色金融数字员工文旗虚拟导游虚拟讲解员软硬件系统生产技术服务平台AI能力平台建模系妩动捕系就造染平台解决方柒平台计算机视觉智能语音自法语言处理硬件软件显示设备显示界.VR、AR眼铳光学器件传感恭芯片建模软件浸染引擎资料来源：2020年虚拟数字人发展白皮书,制作技术逐步成熟，降本普及未来可期制作流程：三大流程为主，技术促进流程简化虚拟人的制作流程涵盖了诸多技术，制作方式仍在逐步进化中，存在某些步骤互相融合的趋势，但尚没有完全定型的整套解决流程。虚拟人制作流程中最为核心、最具挑战的是建模、驱动、

10、渲染三大流程。具体的制作步骤是：1）以真人为模型或设计人物为虚拟人建立基本的3D模型。2）通过真人动作捕捉等形式确定虚拟人的基本动作，也即驱动环节。3）根据在设计环节中确定的虚拟人最终呈现效果和应用场景等外界要素，将模型与其运动进行渲染以呈现最佳效果。图表3.虚拟人制作流程对虚拟形乳加工创作，包括创作虚拟形鼠原型、美术加工等成本投入：数十万至百余万元成本投入：数万至数十万元资料来源：头豹,建模：静态扫描广泛应用，动态光场指引未来目前的建模方式主要可以分为三种：1）手工建模，这是最初的建模手段，目前仍广泛应用，但人工制作周期较长。2）图像采集模型，通过几张照片还原人脸3D结构，但其精度仍不足以建

11、立高质量模型。3）仪器采集模型，目前发展的重点，精度可达0.1毫米，但目前成本较高。图表4.虚拟人主要建模方式仪器采集模型方面，目前仍以静态扫描模型为主，可具体细分为结构光扫描重建相机阵列扫描重建。结构光扫描重建系统由投影仪与摄像头构成，其原理是投影仪投射特定光、摄像头采集信息，最后以图像处理和视觉模型复原整个三维模型，iPhoneX所使用的人脸识别技术便是基于此原理。该技术为早期静态建模技术主流方案，精度可达0.1毫米，设备要求相对较低，是一种比较经济的扫描方案。不过由于其扫描时间长达一秒至几分钟，难以满足人体等运动目标重建需求，因此多用于工业、检测领域。手工建模I用像采集模型I仪爰泉集模型

12、资料来源：EpicMetaHuman , Blender, PixelLight,另一种静态扫描技术：相机阵列扫描重建正替代结构光成为主流的人物建模方式，其原理是通过相机阵列拍摄的图片间的相同特征点进行匹配、校准以重建人物模型，该技术在国际上已成功商业化并被应用于电影、游戏制作中。图表5.结构光三维扫描仪资料来源:wikipedi,图表6.相机阵列资料来源：动态光场重建技术是目前重点发展的方向，这类技术在搭建精细几何模型之外，还可获得动态数据，高品质呈现光影效果。动态光场的原理是使用成系统的、独立的编程模块控制光源的亮度、颜色，与相机协同，模拟各种光照环境，获得不同光照下准确的模型。业界具有代

13、表性的产品LightStage5被应用于本杰明巴顿奇事、阿凡达等好莱坞大片制作中。这项技术的开创者PaulDebvec也因此获得了OscarSciTechAward。该技术由于成本较高、难以运输、组装难度高且尚未出现商业化的通用解决方案等原因，尚未在国内得到普及，国内的清华大学、商汤科技等已推进相关研究。图表7.动态光场原理资料来源：新浪VR,LightStage,图表LightStage三维采集重建平台资料来源：新浪VR,LightStage,驱动：动捕技术侧重明显，逐步形成互补体系虚拟人驱动部分按照基本逻辑可拆分为面部动作和肢体动作部分。面部动作部分最具挑战的是嘴部动作，其基本逻辑为：以文

14、本为起点，制作相关语音与动画，并通过大量模型训练，最终达到任意文本可驱动的模型。具体驱动方式有视频算法训练，即使用大量与文本绑定的语音嘴型视频进行机器训练；接着将语音与动作相绑定，从而达成文本输入到特定动作的实现；最后通过相关设备采集点，将真人的面部动作还原到模型当中。在嘴型以外，其他面部动作目前多采用随机策略，或某脚本策略循环播放预先录制动画，文本与动作间的匹配主要通过手动配络，未来将在AI技术下实现自动化。图表虚拟人脸部驱动逻辑资料来源：头豹，目前数字人肢体动作主要的生成方式是动作捕捉，具体实现方式是光学式、惯性式、电磁式及基于计算机视觉的动作捕捉。1）光学式动作捕捉光学动作捕捉的原理是首先跟踪、识别并命名目标身上各反光标记点，得出目标的基本骨架，再通过空间中多个镜头对标记点位貉进行持续跟踪，完成对运动的记录。光学动作捕捉精度较高，但需通过相机的位貉角度建立三维空间坐