Auto-Connect：基于直接偏好优化的连通性保持 RigFormer
计算机视觉与模式识别
2025-10-21 v3
摘要
我们提出了 Auto-Connect，一种通过保持连通性的 token 化方案显式保持骨骼连通性的新颖自动绑定方法。与之前预测骨骼位置（表示为两个关节）或先预测点再确定连通性的方法不同，我们的方法使用特殊 token 为每个关节的子节点和每个层次层定义端点，有效地自动化了连通性关系。通过将连通性信息直接整合到预测框架中，该方法显著增强了拓扑准确性。为进一步保证高质量的拓扑结构，我们实现了拓扑感知奖励函数，用于量化拓扑正确性，然后在后训练阶段通过奖励引导的直接偏好优化加以利用。此外，我们引入了隐式测地线特征用于潜在 top-k 骨骼选择，显著改善了蒙皮质量。通过利用模型潜在空间中的测地线距离信息，我们的方法智能地确定每个顶点最具影响力的骨骼，有效缓解了常见的蒙皮伪影。这种保持连通性的 token 化、奖励引导微调以及测地线感知骨骼选择的结合，使我们的模型能够持续生成解剖学上更合理的骨骼结构，并具有优越的变形特性。
引用
@article{arxiv.2506.11430,
title = {Auto-Connect: Connectivity-Preserving RigFormer with Direct Preference Optimization},
author = {Jingfeng Guo and Jian Liu and Jinnan Chen and Shiwei Mao and Changrong Hu and Puhua Jiang and Junlin Yu and Jing Xu and Qi Liu and Lixin Xu and Zhuo Chen and Chunchao Guo},
journal= {arXiv preprint arXiv:2506.11430},
year = {2025}
}