SPRig：从网格序列自监督姿态不变性 rigging

最先进的 rigging 方法通常假设预定义的规范静止姿态。然而，这一假设不适用于动态网格序列，如 DyMesh 或 DT4D，因这些序列没有可用的规范 T 姿态。当逐帧独立应用时，现有方法缺乏姿态不变性，常常产生时序不一致的拓扑。为解决这一限制，我们提出 SPRig，一个通用的 fine-tuning 框架，通过跨帧一致性来学习在现有模型之上的姿态不变性 rig，涵盖骨骼和皮肤生成。对于骨骼生成，我们引入了 token 空间和几何空间中的新颖一致性正则化。对于皮肤，我们通过一种 articulation-invariant 一致性损失结合一致性蒸馏和结构正则化来提高时序稳定性。广泛的实验表明，SPRig 在保持优异时序一致性方面取得优异成绩，显著减少了先前方法中的 artifact，而且往往甚至提升了每帧静态生成质量。代码将在补充材料中提供，届时将在发表后公开。