PhysRig : Cadre de modélisation différentiable basé sur la physique pour le skinning et le rigging d'objets articulés réalistes

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

June 26, 2025

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

cs.AI

Résumé

Le skinning et le rigging sont des composants fondamentaux dans l'animation, la reconstruction d'objets articulés, le transfert de mouvement et la génération 4D. Les approches existantes reposent principalement sur le Linear Blend Skinning (LBS), en raison de sa simplicité et de sa différentiabilité. Cependant, le LBS introduit des artefacts tels que la perte de volume et des déformations non naturelles, et il échoue à modéliser des matériaux élastiques comme les tissus mous, la fourrure et les appendices flexibles (par exemple, les trompes d'éléphant, les oreilles et les tissus adipeux). Dans ce travail, nous proposons PhysRig : un cadre de skinning et de rigging basé sur la physique et différentiable, qui surmonte ces limitations en intégrant le squelette rigide dans une représentation volumétrique (par exemple, un maillage tétraédrique), simulée comme une structure de corps mou déformable pilotée par le squelette animé. Notre méthode s'appuie sur la mécanique des milieux continus et discrétise l'objet en particules intégrées dans une grille de fond eulérienne pour garantir la différentiabilité par rapport aux propriétés matérielles et au mouvement squelettique. De plus, nous introduisons des prototypes de matériaux, réduisant significativement l'espace d'apprentissage tout en maintenant une expressivité élevée. Pour évaluer notre cadre, nous construisons un ensemble de données synthétiques complet en utilisant des maillages provenant d'Objaverse, The Amazing Animals Zoo et MixaMo, couvrant diverses catégories d'objets et modèles de mouvement. Notre méthode surpasse systématiquement les approches traditionnelles basées sur le LBS, générant des résultats plus réalistes et physiquement plausibles. En outre, nous démontrons l'applicabilité de notre cadre dans la tâche de transfert de pose, mettant en évidence sa polyvalence pour la modélisation d'objets articulés.

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.