UniMate：多様なスケルトンを駆動する単一の統一モデル

要旨

自動リギングの近年の進歩により、アニメーション対応の3Dアセットを大規模に生成できるようになったが、それらを動かすモーションの生成は依然としてボトルネックとなっている。既存の学習ベースのアニメーション生成手法はトポロジーに制約されており、カテゴリ固有のテンプレートに依存するか、骨格ごとのファインチューニングと推論時の参照モーションを必要とする。我々は、テスト時最適化や骨格ごとの再学習を一切必要とせず、リグ付き3Dアセットとテキストプロンプトから任意の骨格に対する関節運動を合成する統一基盤モデルUniMateを提案する。UniMateは、トポロジーを考慮した拡散トランスフォーマーを導入する。このトランスフォーマーは、以下の3つのメカニズムにより骨格トポロジーをアテンションに統合する：（1）関節間の関係と測地線距離に基づく、グラフ構造を考慮したアテンションバイアス；（2）グラフラプラシアンを介してRoPEを任意の運動学ツリーへ一般化するスペクトル回転位置埋め込み；（3）レストポーズ骨格からアテンションプーリングされる大域的トポロジー条件付け機構。さらに、二足、四足、鳥類、海洋生物、昆虫型、蛇型、および関節剛体オブジェクトを網羅し、統一的なカノニカル化とテキストペアリングを施した13,006のモーションシーケンスからなるデータセットUniML3Dを構築した。このデータセットで学習されたUniMateは、品質、汎化性、効率性の点で最先端のベースライン手法を上回り、さらにゼロショットのクロストポロジー転送、インビトウィーニング、拡張、テキスト誘導編集もサポートする。プロジェクトページはhttps://linzhanmou.com/unimate/で公開されている。

English

Recent advances in automatic rigging now deliver animation-ready 3D assets at scale, yet generating the motion to drive them remains a bottleneck. Existing learned animators are topology-constrained: they rely on category-specific templates or require per-skeleton fine-tuning and reference motions at inference. We present UniMate, a unified foundation model that synthesizes articulated motion for arbitrary skeletons from a rigged 3D asset and a text prompt, with no test-time optimization or per-skeleton retraining. UniMate introduces a topology-aware diffusion transformer, which integrates skeletal topology into attention via three mechanisms: (1) a graph-aware attention bias from pairwise joint relations and geodesic distances; (2) a spectral rotary position embedding generalizing RoPE to arbitrary kinematic trees via the graph Laplacian; and (3) a global topological conditioner attention-pooled from the rest-pose skeleton. We also curate UniML3D, 13,006 motion sequences spanning bipedal, quadrupedal, avian, marine, insectoid, serpentine, and articulated rigid objects with unified canonicalization and text pairing. Trained on this dataset, UniMate outperforms state-of-the-art baselines in quality, generalization, and efficiency, and supports zero-shot cross-topology transfer, in-betweening, expansion, and text-guided editing. Our project page is available at https://linzhanmou.com/unimate/.