Motion2Motion: Transferência de Movimento entre Topologias com Correspondência Esparsa

Motion2Motion: Cross-topology Motion Transfer with Sparse Correspondence

August 18, 2025

Autores: Ling-Hao Chen, Yuhong Zhang, Zixin Yin, Zhiyang Dou, Xin Chen, Jingbo Wang, Taku Komura, Lei Zhang

cs.AI

Resumo

Este trabalho estuda o desafio de transferir animações entre personagens cujas topologias esqueléticas diferem substancialmente. Embora muitas técnicas tenham avançado as abordagens de retargeting ao longo das décadas, a transferência de movimentos entre topologias diversas permanece pouco explorada. O principal obstáculo reside na inconsistência topológica inerente entre os esqueletos de origem e destino, o que restringe o estabelecimento de correspondências ósseas diretas de um para um. Além disso, a atual falta de conjuntos de dados de movimento em grande escala que abranjam diferentes estruturas topológicas limita severamente o desenvolvimento de abordagens baseadas em dados. Para superar essas limitações, introduzimos o Motion2Motion, uma nova estrutura livre de treinamento. De forma simples, porém eficaz, o Motion2Motion funciona com apenas um ou alguns exemplos de movimentos no esqueleto de destino, acessando um conjunto esparso de correspondências ósseas entre os esqueletos de origem e destino. Por meio de avaliações qualitativas e quantitativas abrangentes, demonstramos que o Motion2Motion alcança desempenho eficiente e confiável tanto em cenários de transferência entre esqueletos semelhantes quanto entre esqueletos de espécies diferentes. A utilidade prática de nossa abordagem é ainda evidenciada por sua integração bem-sucedida em aplicações subsequentes e interfaces de usuário, destacando seu potencial para aplicações industriais. Código e dados estão disponíveis em https://lhchen.top/Motion2Motion.

English

This work studies the challenge of transfer animations between characters whose skeletal topologies differ substantially. While many techniques have advanced retargeting techniques in decades, transfer motions across diverse topologies remains less-explored. The primary obstacle lies in the inherent topological inconsistency between source and target skeletons, which restricts the establishment of straightforward one-to-one bone correspondences. Besides, the current lack of large-scale paired motion datasets spanning different topological structures severely constrains the development of data-driven approaches. To address these limitations, we introduce Motion2Motion, a novel, training-free framework. Simply yet effectively, Motion2Motion works with only one or a few example motions on the target skeleton, by accessing a sparse set of bone correspondences between the source and target skeletons. Through comprehensive qualitative and quantitative evaluations, we demonstrate that Motion2Motion achieves efficient and reliable performance in both similar-skeleton and cross-species skeleton transfer scenarios. The practical utility of our approach is further evidenced by its successful integration in downstream applications and user interfaces, highlighting its potential for industrial applications. Code and data are available at https://lhchen.top/Motion2Motion.