继去年被计算机图形学国际顶级年会接收论文成果、论文入选国际顶级学术期刊之后，中央音乐学院音乐人工智能与音乐信息科技专业三位硕博学生在导师带领下，在音频辅助捕捉弦乐演奏的精细动作方面又取得新的研究成果，此成果将推动智能化音乐表演、虚拟音乐会等领域的发展。 SIGGRAPH（ACM Special Interest Group on Computer Graphics）是美国计算机协会组织的计算机图形学顶级年度会议，是中国计算机学会推荐国际学术会议A类会议，代表了计算机图形学的最高水平，素有计算机图形图像研究领域“奥斯卡”之称。SIGGRAPH每年都聚集了大量来自世界各地的学术界、工业界和艺术界的顶级专家，提供了一个展示最新研究成果、探讨前沿技术和建立合作关系的绝佳平台，每年有上万名相关领域从业者和上百家企业参加。 去年，中央音乐学院音乐人工智能与音乐信息科技专业博士生金奕同、丘治平，硕士生石义（导师均为俞峰院长、戴琼海院士）的论文《音频同样重要！利用音频信号增强无标记动作捕捉技术以实现弦乐演奏动作捕捉》（Audio Matters Too! Enhancing Markerless Motion Capture with Audio Signals for String Performance Capture）被SIGGRAPH接收。
该论文得到了审稿委员会的一致认可，被接收为SIGGRAPH的“期刊专栏”（Journal Track）文章，将发表在ACM Transactions on Graphics期刊。该期刊属中国科学院SCI期刊分区1区期刊、JCR分区Q1期刊、中国计算机学会推荐国际学术期刊A类期刊，是计算机图形领域国际顶级期刊。 这一成果再一次表明，央音音乐人工智能系在系主任李小兵的带领下，研究成果达到了国际领先水平。这是央音计算机图形学研究成果首次入选国际顶流会议与国际顶流学术期刊。 金奕同介绍，乐器演奏是人类精细动作与乐器复杂交互的综合呈现，精细化地捕捉演奏动作及乐器交互对AIGC动作生成、演奏教学和动作分析等具有重要意义。相较于钢琴等固定按键乐器，弦乐演奏具有更大的自由度和更复杂的遮挡关系，手指的细微偏移将导致音乐的巨大差异，这使得弦乐演奏的精细动作捕捉更具挑战性。而现有动作捕捉技术对于捕捉乐器演奏的精妙动作仍存在巨大提升空间。
