Η παρούσα διπλωματική εργασία εξετάζει τον ρόλο της Τεχνητής Νοημοσύνης (Artificial
Intelligence – AI) στη σύγχρονη εξέλιξη των τεχνολογιών Motion Capture και τη σημασία της σύζευξής τους στον χώρο των οπτικοακουστικών μέσων και της τρισδιάστατης εικόνας. Στόχος της έρευνας είναι η ανάλυση της τεχνολογικής προόδου των συστημάτων Motion Capture, η διερεύνηση του τρόπου με τον οποίο οι τεχνικές Machine Learning και Deep Learning βελτιώνουν την ακρίβεια, την αυτοματοποίηση και τη ρεαλιστικότητα της καταγραφής ανθρώπινης κίνησης, καθώς και η αποτίμηση των ηθικών και κοινωνικών προεκτάσεων που προκύπτουν από τη χρήση τους.

Η μεθοδολογία που ακολουθήθηκε βασίζεται σε εκτενή βιβλιογραφική ανασκόπηση
επιστημονικών άρθρων, καθώς και στη μελέτη σύγχρονων εφαρμογών και περιπτώσεων
χρήσης στον κινηματογράφο, το animation, το gaming, την εικονική και επαυξημένη
πραγματικότητα. Ιδιαίτερη έμφαση δίνεται στα markerless συστήματα Motion Capture,
στη real-time ανάλυση κίνησης και στη χρήση generative AI για τη σύνθεση και
επεξεργασία ψηφιακών χαρακτήρων.

Τα αποτελέσματα της έρευνας δείχνουν ότι η Τεχνητή Νοημοσύνη μετασχηματίζει ριζικά
τις παραδοσιακές διαδικασίες παραγωγής, καθιστώντας την ψηφιακή αναπαράσταση της
ανθρώπινης κίνησης πιο προσβάσιμη, αποδοτική και δημιουργικά ευέλικτη. Παράλληλα,
αναδεικνύονται σημαντικά ζητήματα που αφορούν την προστασία προσωπικών δεδομένων, τη βιομετρική πληροφορία, την ιδιωτικότητα και την κατάχρηση ψηφιακής ταυτότητας.

Συμπερασματικά, η εργασία υπογραμμίζει την ανάγκη υπεύθυνης και ηθικά σχεδιασμένης αξιοποίησης των τεχνολογιών AI και Motion Capture, ώστε να διασφαλιστεί η βιώσιμη και δημιουργική τους ενσωμάτωση στα σύγχρονα οπτικοακουστικά μέσα.

This thesis explores the role of Artificial Intelligence (AI) in the technological evolution of Motion Capture systems and examines their combined impact on audiovisual media and three-dimensional imaging. The primary objective of this study is to analyze the
advancements in Motion Capture technologies, investigate how Machine Learning and
Deep Learning techniques enhance motion accuracy, automation, and realism, and assess the ethical and social implications arising from their widespread adoption.

The research methodology is based on an extensive literature review of scientific
publications, complemented by the analysis of contemporary applications and case studies in cinema, animation, gaming, and virtual and augmented reality environments. Particular emphasis is placed on markerless Motion Capture systems, real-time motion analysis, and the integration of generative AI for motion synthesis and digital character animation.

The findings indicate that Artificial Intelligence fundamentally transforms traditional
motion capture pipelines by reducing production costs, increasing accessibility, and
enabling new forms of creative expression in digital storytelling. At the same time, the study highlights critical ethical concerns related to personal data protection, biometric
information, privacy, and digital identity misuse. In conclusion, this thesis emphasizes the necessity of responsible and ethically informed design frameworks to ensure the sustainable and creative integration of AI-driven Motion Capture technologies within contemporary audiovisual production.