Make-It-Animatable: Ein effizientes Framework zur Erstellung von animationsbereiten 3D-Charakteren.

Make-It-Animatable: An Efficient Framework for Authoring Animation-Ready 3D Characters

November 27, 2024

Autoren: Zhiyang Guo, Jinxu Xiang, Kai Ma, Wengang Zhou, Houqiang Li, Ran Zhang

cs.AI

Zusammenfassung

3D-Charaktere sind für moderne kreative Industrien unerlässlich, aber ihre Animierbarkeit erfordert oft umfangreiche manuelle Arbeit bei Aufgaben wie Rigging und Skinning. Bestehende automatische Rigging-Tools stoßen auf mehrere Einschränkungen, darunter die Notwendigkeit manueller Annotationen, starre Skeletttopologien und begrenzte Verallgemeinerung über verschiedene Formen und Posen hinweg. Ein alternativer Ansatz besteht darin, animierbare Avatare zu generieren, die bereits an ein vorgefertigtes Template-Mesh gebunden sind. Diese Methode mangelt jedoch oft an Flexibilität und ist in der Regel auf realistische menschliche Formen beschränkt. Um diese Probleme anzugehen, präsentieren wir Make-It-Animatable, eine neuartige datengesteuerte Methode, um jedes 3D-Humanoidenmodell unabhängig von seinen Formen und Posen in weniger als einer Sekunde für die Charakteranimation vorzubereiten. Unser einheitlicher Rahmen generiert hochwertige Mischungsverhältnisse, Knochen und Posen-Transformationen. Durch die Integration eines partikelbasierten Formautoencoders unterstützt unser Ansatz verschiedene 3D-Repräsentationen, einschließlich Meshes und 3D-Gauß'scher Flecken. Darüber hinaus verwenden wir eine grob-zu-fein-Repräsentation und eine strukturbewusste Modellierungsstrategie, um sowohl Genauigkeit als auch Robustheit sicherzustellen, selbst bei Charakteren mit nicht standardmäßigen Skelettstrukturen. Wir führten umfangreiche Experimente durch, um die Wirksamkeit unseres Rahmens zu validieren. Im Vergleich zu bestehenden Methoden zeigt unser Ansatz signifikante Verbesserungen sowohl in Qualität als auch Geschwindigkeit.

English

3D characters are essential to modern creative industries, but making them animatable often demands extensive manual work in tasks like rigging and skinning. Existing automatic rigging tools face several limitations, including the necessity for manual annotations, rigid skeleton topologies, and limited generalization across diverse shapes and poses. An alternative approach is to generate animatable avatars pre-bound to a rigged template mesh. However, this method often lacks flexibility and is typically limited to realistic human shapes. To address these issues, we present Make-It-Animatable, a novel data-driven method to make any 3D humanoid model ready for character animation in less than one second, regardless of its shapes and poses. Our unified framework generates high-quality blend weights, bones, and pose transformations. By incorporating a particle-based shape autoencoder, our approach supports various 3D representations, including meshes and 3D Gaussian splats. Additionally, we employ a coarse-to-fine representation and a structure-aware modeling strategy to ensure both accuracy and robustness, even for characters with non-standard skeleton structures. We conducted extensive experiments to validate our framework's effectiveness. Compared to existing methods, our approach demonstrates significant improvements in both quality and speed.