MoZoo：野生动物毛发和肌肉模拟中的视频扩散模型力量
图形学
2026-05-15 v1 计算机视觉与模式识别
机器学习
摘要
电影级动物特效的创建需要精确建模肌肉和毛发动态，这在传统制作工作流程中既费时又Computationally expensive。虽然生成式扩散模型在各种艺术工作流程中显示出前景，但其用于高保真动物模拟的潜力仍基本未被利用。我们提出MoZoo，这是一个生成式动力学求解器，绕过常规细化，直接从粗糙网格生成受多模态引导的高保真动物视频。我们提出Role-Aware RoPE（RAR-RoPE），其采用基于角色的索引重映射以同步运动对齐，同时通过固定时间偏移解耦参考信息。此外，Asymmetric Decoupled Attention将潜在序列划分为非对称解耦注意力，以强制单向信息流，有效防止特征干扰并提高计算效率。为解决高质量训练数据稀缺的问题，我们引入MoZoo-Data，一个利用渲染引擎和逆映射方法构建的大规模配对序列数据集。进一步，我们建立MoZooBench，一个包含120个网格-视频配对的综合性基准。实验结果表明，MoZoo在多样化的动物骨骼和布局下实现了高保真毛发模拟，保持了卓越的时序和结构一致性。
引用
@article{arxiv.2605.13857,
title = {MoZoo:Unleashing Video Diffusion power in animal fur and muscle simulation},
author = {Dongxia Liu and Jie Ma and Xiaochen Yang and Jiancheng Zhang and Bin Xia and Zhehan Kan and Nisha Huang and Jun Liang and Wenming Yang and Jin Li},
journal= {arXiv preprint arXiv:2605.13857},
year = {2026}
}
备注
Github Page:https://dongxialiu15.github.io/MoZoo/