MagicArticulate – 南洋理工和字节推出的静态 3D 模型转骨架生成框架

AI工具3周前发布 ainav
72 0

MagicArticulate是什么

MagicArticulate 是南洋理工大学和字节跳动Seed实验室推出的自动将静态 3D 模型转换为可动画化资产的框架。MagicArticulate基于自回归生成骨架,预测蒙皮权重,模型能支持逼真的动画。MagicArticulate引入 Articulation-XL 数据集,包含超过 33,000 个高质量关节注释的 3D 模型,推出基于自回归 Transformer 的骨架生成方法,自然处理不同模型中骨骼数量和依赖关系的变化。MagicArticulate 在多样化对象类别上显著优于现有方法,为 3D 模型动画化提供高效且高质量的解决方案。

MagicArticulate – 南洋理工和字节推出的静态 3D 模型转骨架生成框架

MagicArticulate的主要功能

  • 自动骨架生成:自动生成适合模型的骨架结构,支持不同模型的骨骼数量和关节依赖关系。
  • 蒙皮权重预测:基于预测顶点与关节之间的蒙皮权重,实现模型表面与骨架的绑定。
  • 高质量动画化:生成的骨架和蒙皮权重支持逼真的动画效果,适用于多种 3D 模型和应用场景。
  • 大规模数据支持:推出 Articulation-XL 数据集,包含超过 33,000 个高质量注释的 3D 模型,推动相关技术的开发和验证。

MagicArticulate的技术原理

  •  自回归骨架生成
    • 点云采样与编码:从输入的 3D 模型表面采样点云,将点编码为固定长度的形状标记(shape tokens),捕捉模型的几何特征和拓扑结构。
    • 骨架序列建模:将形状标记附加到骨架标记的开头,基于自回归 Transformer 逐步生成骨架序列。自回归模型在每一步生成一个骨骼或关节,用之前生成的内容作为上下文信息,自然地处理不同模型中骨骼数量的变化和依赖关系。
    • Transformer 的优势:Transformer 的并行处理能力和注意力机制能高效地捕捉全局依赖关系,同时自回归生成方式灵活适应不同复杂度的骨架结构。
  • 蒙皮权重预测:基于扩散模型逐步优化蒙皮权重的分布。扩散过程从噪声开始,逐步恢复出顶点与关节之间的权重关系,类似于去噪过程。在预测蒙皮权重时,引入顶点与关节之间的体积测地线距离作为先验信息。基于大量标注数据(如 Articulation-XL 数据集)训练扩散模型,学习不同 3D 模型的蒙皮权重分布规律。
  • 大规模数据集支持:数据集包含超过 33,000 个带有高质量关节注释的 3D 模型。数据为模型训练提供丰富的监督信息,使骨架生成和蒙皮权重预测模块学习到不同模型的通用规律,在多样化场景中表现出色。

MagicArticulate的项目地址

  • 项目官网:https://chaoyuesong.github.io/MagicArticulate/
  • GitHub仓库:https://github.com/Seed3D/MagicArticulate
  • arXiv技术论文:https://arxiv.org/pdf/2502.12135

MagicArticulate的应用场景

  • 3D 动画制作:快速将静态模型转换为可动画化资产,减少手动绑定骨骼和蒙皮的工作量,提升动画制作效率。
  • 游戏开发:为游戏角色和道具生成骨架和蒙皮权重,支持实时动画渲染,提升游戏开发效率和动画效果。
  • VR/AR:生成可交互的动态 3D 模型,增强虚拟环境中的沉浸感和交互体验。
  • 工业设计与 3D 打印:帮助设计师快速生成可活动的关节模型,优化产品运动功能,降低设计成本。
  • 人工智能与机器人学:用于机器人运动仿真和 AI 模型训练,优化关节运动和算法开发。
© 版权声明

相关文章