Make-It-Poseable：面向 3D 角色的 feed-forward 潜在姿态模型

对 3D 角色进行姿态处理是计算机图形学中的基本任务。然而，现有的范式——从传统的 auto-rigging 到最近的姿态条件生成模型——常常在皮肤权重不准、固定网格拓扑和姿态不符合方面表现不佳。这些挑战在近期 AI 生成的 3D 资产激增背景下尤为突出，这些资产常常具有结构缺陷和几何融合的问题。为此，我们引入 Make-It-Poseable，一个新的 feed-forward 框架，将角色姿态处理重新表述为无皮肤绑定的潜在空间转换问题。通过解耦形变变形与固定网格连通性的约束，本方法直接作用于紧凑的潜在表示，以重建目标姿态下的角色。为实现这一目标，本框架集成了一个用于形状 manipulation 的潜在姿态变换器、用于细粒度控制的稠密姿态表示，以及通过以二分图匹配潜在损失优化的自适应 completion 模块，以稳健处理拓扑变化。广泛的实验表明，我们的方法在姿态质量上显著优于现有基线。此外，我们的骨架无关设计在针对多样化形态（包括四足动物）的零样本 generalization 上表现出色，并可无缝支持各种 3D 创作应用，如部件替换和细化。