Make-It-Animatable: 애니메이션 준비가 된 3D 캐릭터를 작성하기 위한 효율적인 프레임워크

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

November 27, 2024

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

cs.AI

초록

현대 창조 산업에서 3D 캐릭터는 필수적이지만, 그들을 애니메이션화하는 것은 종종 리깅과 스킨닝과 같은 작업에서 많은 수동 작업을 요구합니다. 기존의 자동 리깅 도구들은 수동 주석, 강한 스켈레톤 토폴로지, 다양한 모양과 자세에 걸쳐 제한된 일반화 등 여러 가지 한계에 직면하고 있습니다. 대안적인 접근 방식은 리깅된 템플릿 메쉬에 미리 바운드된 애니메이션 가능한 아바타를 생성하는 것입니다. 그러나 이 방법은 종종 유연성이 부족하며 일반적으로 현실적인 인간 모양에 한정되어 있습니다. 이러한 문제를 해결하기 위해, 우리는 어떤 모양과 자세에도 1초 미만의 시간 안에 캐릭터 애니메이션을 위해 준비된 3D 인간형 모델을 만들기 위한 새로운 데이터 주도 방법인 Make-It-Animatable을 제안합니다. 우리의 통합된 프레임워크는 고품질의 블렌드 가중치, 본, 자세 변환을 생성합니다. 입자 기반 형상 오토인코더를 통합함으로써 우리의 방법은 메쉬와 3D 가우시안 스플랫을 포함한 다양한 3D 표현을 지원합니다. 또한 우리는 굵고 세밀한 표현과 구조 인식 모델링 전략을 활용하여 비표준 스켈레톤 구조를 갖는 캐릭터에 대해서도 정확성과 견고성을 보장합니다. 우리는 우리의 프레임워크의 효과를 검증하기 위해 광범위한 실험을 실시했습니다. 기존 방법과 비교했을 때, 우리의 방법은 품질과 속도 모두에서 상당한 개선을 보여줍니다.

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.