Bisher hat motion capture im Gesicht die gleiche Technologie benutzt, wie das optische motion capture für den Körper: Reflektierende Marker werden von mehreren Seiten aufgenommen und danach wird ihre Position errechnet. Hier gelten die gleichen Regeln der Physik wie im "großen" MoCap-Studio. Die Marker müssen rund sein, damit das Licht sauber nach allen Richtungen zurückreflektiert werden kann. Die Kugelform ist außerdem wichtig, damit ihr Mittelpunkt gut von allen Perspektiven bestimmt werden kann, um die Genauigkeit zu gewährleisten. Der Prozess ist also nicht ganz unkompliziert und erfordert kleine Kügelchen auf dem Gesicht. Diese Kugelmarker haben zudem die Eigenschaft, dass sie sich nicht nur mit dem Gesicht bewegen, sondern aufgrund ihrer Aufhängung auch Eigenbewegungen und Zittern entwickeln. In der späteren Animation bewirken diese Bewegungen einen gummiartigen Effekt, der nicht unbedingt erwünscht ist. Ein weiterer Nachteil ist, dass die Marker leicht abfallen und ihre Reflektionskraft nachlässt, wenn sie schmutzig werden, oder mit Schweiß in Berührung kommen.

Das Embody Verfahren benutzt flache Marker, also Folienkreise, die auf das Gesicht aufgetragen werden. Diese werden strategisch positioniert, um eine gute Animierbarkeit der Daten zu gewährleisten. Momentan benutzt das Standard-Markerset etwa 1400 Marker. Diese werden dann, ähnlich wie beim herkömmlichen Motion Capture, mit mehreren Kameras aufgenommen und getracked. Das Ergebnis ist ein animiertes Mesh, das auch die Ausrichtung der Kreise beinhaltet (Normalen). Dieses Mesh wird dann per Shrink-Wrap Verfahren auf anders proportionierte Gesichter übertragen (Retargeting).

Die Qualität der Animationen ist sehr gut für Close-ups im Kino geeignet. Embody wurde jedoch für Computerspiele entwickelt, daher lässt sich die Animation auf beliebig viele Bones oder Morph Targets skalieren.