Make-It-Poseable: 3D 휴머노이드 캐릭터 애니메이션을 위한 피드포워드 잠재 포징 모델

초록

3D 캐릭터 포즈 지정은 컴퓨터 그래픽스 및 비전 분야의 핵심 과제입니다. 그러나 자동 리깅 및 포즈 조건 생성과 같은 기존 방법들은 정확하지 않은 스키닝 가중치 예측, 위상학적 결함, 불충분한 포즈 일치 등과 같은 문제로 인해 견고성과 일반화 성능이 제한되는 경우가 많습니다. 이러한 한계를 극복하기 위해 우리는 캐릭터 포즈 지정을 잠재 공간 변환 문제로 재정의하는 새로운 피드포워드 프레임워크인 Make-It-Poseable을 제안합니다. 기존 파이프라인처럼 메쉬 정점을 변형하는 대신, 우리의 방법은 잠재 표현을 직접 조작하여 새로운 포즈에서 캐릭터를 재구성합니다. 우리 방법의 핵심은 골격 운동을 기반으로 형태 토큰을 조작하는 잠재 포즈 변환기입니다. 이 과정은 정밀한 제어를 위한 밀집 포즈 표현에 의해 용이해집니다. 높은 충실도의 기하학적 구조를 보장하고 위상학적 변화를 수용하기 위해, 우리는 잠재 공간 감독 전략과 적응형 완성 모듈도 도입했습니다. 우리의 방법은 포즈 지정 품질에서 우수한 성능을 입증합니다. 또한 부품 교체 및 정교화와 같은 3D 편집 응용 프로그램으로 자연스럽게 확장됩니다.

English

Posing 3D characters is a fundamental task in computer graphics and vision. However, existing methods like auto-rigging and pose-conditioned generation often struggle with challenges such as inaccurate skinning weight prediction, topological imperfections, and poor pose conformance, limiting their robustness and generalizability. To overcome these limitations, we introduce Make-It-Poseable, a novel feed-forward framework that reformulates character posing as a latent-space transformation problem. Instead of deforming mesh vertices as in traditional pipelines, our method reconstructs the character in new poses by directly manipulating its latent representation. At the core of our method is a latent posing transformer that manipulates shape tokens based on skeletal motion. This process is facilitated by a dense pose representation for precise control. To ensure high-fidelity geometry and accommodate topological changes, we also introduce a latent-space supervision strategy and an adaptive completion module. Our method demonstrates superior performance in posing quality. It also naturally extends to 3D editing applications like part replacement and refinement.

Make-It-Poseable: 3D 휴머노이드 캐릭터 애니메이션을 위한 피드포워드 잠재 포징 모델

Make-It-Poseable: Feed-forward Latent Posing Model for 3D Humanoid Character Animation

초록

Support