Make-It-Animatable: Un Marco Eficiente para Crear Personajes 3D Listos para Animación

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

November 27, 2024

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

cs.AI

Resumen

Los personajes en 3D son esenciales para las industrias creativas modernas, pero hacerlos animables a menudo requiere un extenso trabajo manual en tareas como el rigging y el skinning. Las herramientas automáticas de rigging existentes enfrentan varias limitaciones, incluyendo la necesidad de anotaciones manuales, topologías de esqueleto rígidas y una limitada generalización a través de formas y poses diversas. Un enfoque alternativo es generar avatares animables preligados a una malla de plantilla riggeada. Sin embargo, este método a menudo carece de flexibilidad y típicamente se limita a formas humanas realistas. Para abordar estos problemas, presentamos Make-It-Animatable, un novedoso método basado en datos para preparar cualquier modelo humanoide en 3D listo para animación de personajes en menos de un segundo, independientemente de sus formas y poses. Nuestro marco unificado genera pesos de mezcla, huesos y transformaciones de poses de alta calidad. Al incorporar un autoencoder de formas basado en partículas, nuestro enfoque admite diversas representaciones en 3D, incluyendo mallas y salpicaduras gaussianas en 3D. Además, empleamos una representación de grueso a fino y una estrategia de modelado consciente de la estructura para garantizar tanto la precisión como la robustez, incluso para personajes con estructuras de esqueleto no estándar. Realizamos experimentos extensos para validar la efectividad de nuestro marco. En comparación con los métodos existentes, nuestro enfoque demuestra mejoras significativas tanto en calidad como en velocidad.

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.