Aktor w garniturze z markerami to dopiero początek — dane z volumu przechodzą przez własny, osobny łańcuch czyszczenia i retargetingu, zanim w ogóle trafią do riga postaci.
Mapa z Rozdziału 3 pokazała animację jako jeden etap potoku shotów, bez rozstrzygania, skąd bierze się ruch, który animator dostaje do pracy. Motion capture to jedna z dwóch głównych odpowiedzi na to pytanie (obok animacji w pełni ręcznej) — i wnosi ze sobą własny, poprzedzający wszystko inne łańcuch przetwarzania.
Aktor występujący w volumie — przestrzeni obudowanej kamerami śledzącymi markery na kostiumie, albo wyposażonej w kostium z czujnikami inercyjnymi — generuje strumień surowych danych: pozycje kilkudziesięciu markerów w przestrzeni (mocap optyczny) albo rotacje stawów w czasie (kostiumy inercyjne). Ten surowy sygnał jest z natury niedoskonały — markery znikają, gdy aktor się przed nimi zasłoni, dwa markery bywają przypadkowo zamienione miejscami, cały sygnał jest zaszumiony drganiem czujników. Zanim ktokolwiek zobaczy z tego cokolwiek przypominającego ruch postaci, dane przechodzą przez etap czyszczenia — ręcznego i zautomatyzowanego naprawiania luk, przypisywania z powrotem pogubionych etykiet, wygładzania szumu.
Wyczyszczone dane wciąż opisują ruch szkieletu o proporcjach konkretnego aktora — nie postaci, którą ten ruch ma ostatecznie napędzać. Retargeting mapuje ten ruch na rig docelowej postaci (Rozdział 3), zachowując intencję i charakter wykonania przy zupełnie innych proporcjach ciała — krótszych albo dłuższych kończynach, innej hierarchii szkieletu, czasem szkielecie w ogóle nie humanoidalnym. To zadanie samo w sobie bywa złożone technicznie: naiwne przeniesienie tych samych kątów rotacji na inny szkielet często daje efekt przenikania kończyn przez ciało albo utraty kontaktu stóp z podłożem, więc dobry retargeting koryguje te niedopasowania automatycznie, nie tylko kopiuje dane jeden do jednego.
Osobnym, równoległym łańcuchem bywa mocap twarzy — nagrywany zwykle kamerą zamontowaną na hełmie aktora, czyszczony i retargetowany niezależnie od ruchu ciała, na system blendshape'ów albo osobny rig twarzy postaci.
Po czyszczeniu i retargetingu dane mocap trafiają dokładnie tam, gdzie mapa z Rozdziału 3 umieściła etap animacji — animator często dalej ręcznie dopracowuje ruch napędzany przez mocap, zanim uzna go za gotowy. Kiedy ta praca zostaje opublikowana (Rozdział 7), publikacja wygląda identycznie jak dla animacji w pełni ręcznej — cache Alembic albo warstwa USD, wersjonowana i konsumowana przez FX i lighting bez żadnej wiedzy o tym, czy źródłem ruchu był aktor w volumie, czy animator klatka po klatce.