HumanRig: 大规模数据集上的人类角色自动绑定学习
计算机视觉与模式识别
2024-12-04 v1
摘要
随着3D生成算法的快速发展，制作3D人形角色模型的成本大幅下降，但该领域仍受制于缺乏面向自动绑定的综合性数据集，而绑定是角色动画的关键步骤。为填补这一空白，我们提出了HumanRig——第一个专为3D人形角色绑定设计的大规模数据集，包含11,434个精心策划的T姿势网格，遵循统一的骨架拓扑。依托该数据集，我们引入一种创新的数据驱动式自动绑定框架，克服了基于图神经网络的方法在处理复杂AI生成网格方面的局限性。我们的方法集成了Prior-Guided Skeleton Estimator（PGSE）模块，该模块利用2D骨架关节提供初始3D骨架；以及Mesh-Skeleton Mutual Attention Network（MSMAN），该网络通过U型点变换器提取3D网格特征，并与骨架特征融合，实现从粗到精的3D骨架关节回归和稳健的皮肤绑定估计，超越了先前方法在质量和通用性方面的表现。这一工作不仅弥补了绑定研究的数据集不足，也推动了动画行业向更高效和自动化的角色绑定流程迈进。
引用
@article{arxiv.2412.02317,
title = {HumanRig: Learning Automatic Rigging for Humanoid Character in a Large Scale Dataset},
author = {Zedong Chu and Feng Xiong and Meiduo Liu and Jinzhi Zhang and Mingqi Shao and Zhaoxu Sun and Di Wang and Mu Xu},
journal= {arXiv preprint arXiv:2412.02317},
year = {2024}
}
备注
Website: https://github.com/c8241998/HumanRig