PhysRig: Differenzierbares physikbasiertes Skinning- und Rigging-Framework für die realistische Modellierung artikulierter Objekte

PhysRig: Differentiable Physics-Based Skinning and Rigging Framework for Realistic Articulated Object Modeling

June 26, 2025

Autoren: Hao Zhang, Haolan Xu, Chun Feng, Varun Jampani, Narendra Ahuja

cs.AI

Zusammenfassung

Skinning und Rigging sind grundlegende Komponenten in der Animation, der rekonstruierten Artikulation von Objekten, der Bewegungstransfer und der 4D-Generierung. Bestehende Ansätze stützen sich überwiegend auf Linear Blend Skinning (LBS), aufgrund seiner Einfachheit und Differenzierbarkeit. Allerdings führt LBS zu Artefakten wie Volumenverlust und unnatürlichen Verformungen und versagt bei der Modellierung elastischer Materialien wie Weichgewebe, Fell und flexiblen Anhängen (z. B. Elefantenrüssel, Ohren und Fettgewebe). In dieser Arbeit schlagen wir PhysRig vor: ein differenzierbares, physikbasiertes Skinning- und Rigging-Framework, das diese Einschränkungen überwindet, indem das starre Skelett in eine volumetrische Darstellung (z. B. ein tetraedrisches Netz) eingebettet wird, die als eine verformbare Soft-Body-Struktur simuliert wird, die durch das animierte Skelett angetrieben wird. Unser Ansatz nutzt die Kontinuumsmechanik und diskretisiert das Objekt als Partikel, die in ein eulersches Hintergrundgitter eingebettet sind, um die Differenzierbarkeit in Bezug auf sowohl Materialeigenschaften als auch Skelettbewegungen sicherzustellen. Zusätzlich führen wir Materialprototypen ein, die den Lernraum erheblich reduzieren, während eine hohe Ausdruckskraft erhalten bleibt. Um unser Framework zu evaluieren, erstellen wir einen umfassenden synthetischen Datensatz mit Netzen aus Objaverse, The Amazing Animals Zoo und MixaMo, der verschiedene Objektkategorien und Bewegungsmuster abdeckt. Unsere Methode übertrifft konsistent traditionelle LBS-basierte Ansätze und erzeugt realistischere und physikalisch plausiblere Ergebnisse. Darüber hinaus demonstrieren wir die Anwendbarkeit unseres Frameworks in der Pose-Transfer-Aufgabe und unterstreichen damit seine Vielseitigkeit für die Modellierung artikulierter Objekte.

English

Skinning and rigging are fundamental components in animation, articulated object reconstruction, motion transfer, and 4D generation. Existing approaches predominantly rely on Linear Blend Skinning (LBS), due to its simplicity and differentiability. However, LBS introduces artifacts such as volume loss and unnatural deformations, and it fails to model elastic materials like soft tissues, fur, and flexible appendages (e.g., elephant trunks, ears, and fatty tissues). In this work, we propose PhysRig: a differentiable physics-based skinning and rigging framework that overcomes these limitations by embedding the rigid skeleton into a volumetric representation (e.g., a tetrahedral mesh), which is simulated as a deformable soft-body structure driven by the animated skeleton. Our method leverages continuum mechanics and discretizes the object as particles embedded in an Eulerian background grid to ensure differentiability with respect to both material properties and skeletal motion. Additionally, we introduce material prototypes, significantly reducing the learning space while maintaining high expressiveness. To evaluate our framework, we construct a comprehensive synthetic dataset using meshes from Objaverse, The Amazing Animals Zoo, and MixaMo, covering diverse object categories and motion patterns. Our method consistently outperforms traditional LBS-based approaches, generating more realistic and physically plausible results. Furthermore, we demonstrate the applicability of our framework in the pose transfer task highlighting its versatility for articulated object modeling.