Make-It-Animatable : Un cadre efficace pour la création de personnages 3D prêts pour l'animation

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

November 27, 2024

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

cs.AI

Résumé

Les personnages en 3D sont essentiels aux industries créatives modernes, mais les rendre animables demande souvent un travail manuel approfondi dans des tâches telles que le rigging et le skinning. Les outils de rigging automatique existants rencontrent plusieurs limitations, notamment la nécessité d'annotations manuelles, des topologies de squelette rigides et une généralisation limitée à travers des formes et des poses diverses. Une approche alternative consiste à générer des avatars animables pré-liés à un maillage de modèle riggé. Cependant, cette méthode manque souvent de flexibilité et est généralement limitée à des formes humaines réalistes. Pour résoudre ces problèmes, nous présentons Make-It-Animatable, une méthode novatrice basée sur les données pour rendre tout modèle humain en 3D prêt pour l'animation de personnage en moins d'une seconde, quelles que soient ses formes et poses. Notre cadre unifié génère des poids de mélange, des os et des transformations de pose de haute qualité. En incorporant un autoencodeur de forme basé sur des particules, notre approche prend en charge diverses représentations 3D, y compris des maillages et des éclats gaussiens en 3D. De plus, nous utilisons une représentation de grossier à fin et une stratégie de modélisation consciente de la structure pour garantir à la fois précision et robustesse, même pour des personnages avec des structures de squelette non standard. Nous avons mené des expériences approfondies pour valider l'efficacité de notre cadre. Comparé aux méthodes existantes, notre approche démontre des améliorations significatives tant en termes de qualité que de vitesse.

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.