PhysRig: Differentieerbaar Fysica-Gebaseerd Skinning- en Rigging-Framework voor Realistische Modellering van Gearticuleerde Objecten

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

Samenvatting

Skinning en rigging zijn fundamentele componenten in animatie, gereconstrueerde gearticuleerde objecten, motieoverdracht en 4D-generatie. Bestaande benaderingen vertrouwen voornamelijk op Linear Blend Skinning (LBS), vanwege de eenvoud en differentieerbaarheid ervan. LBS introduceert echter artefacten zoals volumeverlies en onnatuurlijke vervormingen, en het slaagt er niet in om elastische materialen zoals zachte weefsels, vacht en flexibele aanhangsels (bijv. olifantenslurpen, oren en vetweefsel) te modelleren. In dit werk stellen we PhysRig voor: een differentieerbaar, op fysica gebaseerd skinning- en rigging-framework dat deze beperkingen overwint door het rigide skelet in te bedden in een volumetrische representatie (bijv. een tetrahedraal mesh), die wordt gesimuleerd als een vervormbare soft-body structuur aangedreven door het geanimeerde skelet. Onze methode maakt gebruik van continuümmechanica en discretiseert het object als deeltjes ingebed in een Euleriaans achtergrondraster om differentieerbaarheid ten opzichte van zowel materiaaleigenschappen als skeletbeweging te garanderen. Daarnaast introduceren we materiaalprototypes, waardoor de leerruimte aanzienlijk wordt verkleind terwijl een hoge expressiviteit behouden blijft. Om ons framework te evalueren, construeren we een uitgebreide synthetische dataset met behulp van meshes uit Objaverse, The Amazing Animals Zoo en MixaMo, die diverse objectcategorieën en bewegingspatronen omvat. Onze methode presteert consistent beter dan traditionele LBS-gebaseerde benaderingen en genereert realistischer en fysisch plausibelere resultaten. Bovendien demonstreren we de toepasbaarheid van ons framework in de pose-overdrachtstaak, wat de veelzijdigheid ervan voor het modelleren van gearticuleerde objecten benadrukt.

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.