Make-It-Animatable: アニメーション準備が整った3Dキャラクターを制作するための効率的なフレームワーク

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

November 27, 2024

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

cs.AI

要旨

現代のクリエイティブ産業において、3Dキャラクターは不可欠ですが、それらをアニメーション可能にするには、しばしばリギングやスキニングなどの手作業が必要です。既存の自動リギングツールは、手動注釈の必要性、剛性スケルトンのトポロジー、多様な形状やポーズに対する限られた一般化など、いくつかの制約に直面しています。代替手段として、リギングされたテンプレートメッシュに事前にバインドされたアニメーション可能なアバターを生成する方法があります。しかしこの方法はしばしば柔軟性に欠け、通常はリアルな人間の形状に限定されます。これらの問題に対処するため、私たちはMake-It-Animatableを提案します。この革新的なデータ駆動型手法は、形状やポーズに関係なく、任意の3Dヒューマノイドモデルを1秒未満でキャラクターアニメーション用に準備します。当社の統一フレームワークは、高品質なブレンドウェイト、ボーン、およびポーズ変換を生成します。粒子ベースの形状オートエンコーダを組み込むことで、当社の手法はメッシュや3Dガウススプラットなど、さまざまな3D表現をサポートします。さらに、粗から細の表現と構造に配慮したモデリング戦略を採用することで、非標準のスケルトン構造を持つキャラクターにおいても、精度と堅牢性の両方を確保します。当社のフレームワークの有効性を検証するために、幅広い実験を実施しました。既存の手法と比較して、当社の手法は品質と速度の両方で著しい改善を示しています。

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.