PhysRig: Framework Differenziabile per lo Skinning e il Rigging Basato sulla Fisica per la Modellazione Realistica di Oggetti Articolati

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

June 26, 2025

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

cs.AI

Abstract

Lo skinning e il rigging sono componenti fondamentali nell'animazione, nella ricostruzione di oggetti articolati, nel trasferimento di movimento e nella generazione 4D. Gli approcci esistenti si basano principalmente sul Linear Blend Skinning (LBS), grazie alla sua semplicità e differenziabilità. Tuttavia, il LBS introduce artefatti come la perdita di volume e deformazioni innaturali, e non riesce a modellare materiali elastici come tessuti molli, pelliccia e appendici flessibili (ad esempio, proboscidi di elefanti, orecchie e tessuti adiposi). In questo lavoro, proponiamo PhysRig: un framework differenziabile di skinning e rigging basato sulla fisica che supera queste limitazioni incorporando lo scheletro rigido in una rappresentazione volumetrica (ad esempio, una mesh tetraedrica), che viene simulata come una struttura deformabile di corpo morbido guidata dallo scheletro animato. Il nostro metodo sfrutta la meccanica dei continui e discretizza l'oggetto come particelle incorporate in una griglia di fondo Euleriana per garantire la differenziabilità rispetto sia alle proprietà del materiale che al movimento scheletrico. Inoltre, introduciamo prototipi di materiali, riducendo significativamente lo spazio di apprendimento mantenendo un'elevata espressività. Per valutare il nostro framework, costruiamo un dataset sintetico completo utilizzando mesh da Objaverse, The Amazing Animals Zoo e MixaMo, coprendo diverse categorie di oggetti e pattern di movimento. Il nostro metodo supera costantemente gli approcci tradizionali basati su LBS, generando risultati più realistici e fisicamente plausibili. Inoltre, dimostriamo l'applicabilità del nostro framework nel compito di trasferimento di pose, evidenziando la sua versatilità per la modellazione di oggetti articolati.

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.