Orientuje się ktoś z Was w jaki sposób osiągnąć efekt z nałożeniem "contentu" tutorialu na dłoń wskazującą różne elementy, jak na obrazku na dole?

Tutorial.png

Jednym z oczywistych sposobów wydaje mi się nagranie oddzielnie ręki wskazującej na puste miejsca na białym blacie, a potem nałożenie na to drugiej warstwy z "contentem", ale zastanawiam się, czy jest sposób zapewniający mi informację o tym, gdzie powinienem wskazywać w czasie rzeczywistym. Myślałem też o rozszerzonej rzeczywistości w oparciu o wirtualną rzeczywistość, ale wydaje się to być chyba przesada. Wiem, że to pytanie bardziej pasuje na jakieś forum o montażu, czy coś podobnego, ale pomyślałem, że może ktoś spotkał się tutaj z podobnym problemem podczas robienia jakiś tutoriali/podcastów itp.