Make-It-Animatable: Un Framework Efficiente per la Creazione di Personaggi 3D Pronti per l'Animazione

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

November 27, 2024

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

cs.AI

Abstract

I personaggi 3D sono essenziali per le moderne industrie creative, ma renderli animabili richiede spesso un'estesa opera manuale in compiti come il rigging e lo skinning. Gli attuali strumenti automatici di rigging presentano diverse limitazioni, tra cui la necessità di annotazioni manuali, topologie scheletriche rigide e limitata generalizzazione tra diverse forme e pose. Un approccio alternativo è generare avatar animabili pre-legati a un mesh di template riggato. Tuttavia, questo metodo spesso manca di flessibilità ed è tipicamente limitato a forme umane realistiche. Per affrontare tali questioni, presentiamo Make-It-Animatable, un nuovo metodo basato sui dati per rendere pronto per l'animazione dei personaggi qualsiasi modello umanoide 3D in meno di un secondo, indipendentemente dalle sue forme e pose. Il nostro framework unificato genera pesi di miscelazione, ossa e trasformazioni di pose di alta qualità. Integrando un autoencoder di forme basato su particelle, il nostro approccio supporta diverse rappresentazioni 3D, inclusi mesh e schizzi gaussiani 3D. Inoltre, impieghiamo una rappresentazione da grossolana a fine e una strategia di modellazione consapevole della struttura per garantire sia accuratezza che robustezza, anche per personaggi con strutture scheletriche non standard. Abbiamo condotto estesi esperimenti per convalidare l'efficacia del nostro framework. Rispetto ai metodi esistenti, il nostro approccio dimostra significativi miglioramenti sia in termini di qualità che di velocità.

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.