MagicArticulate：让3D模型具备拟定能力
计算机视觉与模式识别
2025-02-19 v2 图形学
摘要
随着3D内容创建的爆发式增长，自动将静态3D模型转换为支持逼真动画的拟定就绪版本的需求日益增长。传统方法依赖大量手动标注，既耗时又费力。此外，缺乏大规模基准数据也阻碍了基于学习的解决方案的发展。本文提出MagicArticulate框架，自动将静态3D模型转换为拟定就绪资产。我们的核心贡献有三点：首先，我们引入Articulation-XL，一个包含33k个3D模型且拥有高质量拟定标注的大规模基准，仔细整理自Objaverse-XL。其次，我们提出一种新颖的骨骼生成方法，将该任务形式化为序列建模问题，利用自回归变形器自然处理不同3D模型中骨骼或关节数量及其内在依赖关系。最后，我们采用包含体积球面距离先验的函数扩散过程来预测皮肤权重。广泛实验表明，MagicArticulate在多样化目标类别上显著优于现有方法，实现高质量拟定，支持逼真动画。项目页面已公开。
引用
@article{arxiv.2502.12135,
title = {MagicArticulate: Make Your 3D Models Articulation-Ready},
author = {Chaoyue Song and Jianfeng Zhang and Xiu Li and Fan Yang and Yiwen Chen and Zhongcong Xu and Jun Hao Liew and Xiaoyang Guo and Fayao Liu and Jiashi Feng and Guosheng Lin},
journal= {arXiv preprint arXiv:2502.12135},
year = {2025}
}
备注
Project: https://chaoyuesong.github.io/MagicArticulate