基于图注意力的 amortization 逆运动学用于实时人类化身动画
计算机视觉与模式识别
2026-04-21 v1 图形学
摘要
逆运动学（IK）是动画、机器人和生物力学中的核心操作：给定笛卡尔约束，恢复已知运动树下的关节旋转。在许多实时人类化身管道中，单帧可用信号为稀疏的3D关节位置集合，而动画系统需要关节姿态来驱动皮肤 deformation。从位置恢复完整姿态在约束条件下是不确定的，尤其是关于骨轴的扭转是模糊的，传统IK求解器通常依赖于迭代优化，可能较慢且对噪声输入敏感。我们提出了IK-GAT（Inverse Kinematics Graph Attention Network），一个轻量级图注意力网络，可在单次前向传递中从3D关节位置重建全身关节姿态。该模型在骨架父子图上进行消息传递，以在旋转推断期间利用运动结构。为简化学习，IK-GAT以骨架对齐世界坐标系表示关节姿态，锚定于静止姿态骨骼框架。这种参数化使扭转轴显式且恰好可逆转换为给定运动树和静止姿态的父相对局部旋转。网络使用连续6D旋转表示，并基于SO(3)上的测地距离损失进行训练，附加可选的正向运动一致性正则化。IK-GAT产生可直接驱动绑定化身或转换为SMPL类身体模型的姿态参数的动画就绪局部旋转。该网络仅需37.4K参数，CPU上实现650+ FPS，显著优于无热启动的基于VPoser的逐帧迭代优化，计算成本更低，且对初始姿态和输入噪声鲁棒。
引用
@article{arxiv.2604.16629,
title = {Amortized Inverse Kinematics via Graph Attention for Real-Time Human Avatar Animation},
author = {Muhammad Saif Ullah Khan and Chen-Yu Wang and Tim Prokosch and Michael Lorenz and Bertram Taetz and Didier Stricker},
journal= {arXiv preprint arXiv:2604.16629},
year = {2026}
}