与 Tripo 等广为人知的 VAST AI 研究团队和清华大学联合公开了利用 AI 的绑定（蒙皮）技术「UniRig」的开源！

UniRig: One Model to Rig Them All

随着包括利用 AI 的方法和传统工作流程在内的 3D 内容制作快速发展，对能够应对 3D 模型复杂化和多样化的自动绑定解决方案的需求前所未有地高涨。向大家介绍 UniRig。UniRig 是一种用于自动骨骼绑定的创新统一框架，利用大规模自回归模型的能力，以及用于生成高质量骨骼和蒙皮权重的骨点交叉注意力机制。与处理复杂拓扑和非标准拓扑的传统方法不同，UniRig 通过一种新的骨骼树标记化方法，高效编码骨骼中的层级关系，从而准确预测拓扑上合理的骨骼结构。
为了训练和评估 UniRig，提出了一个名为 Rig-XL 的新型大规模数据集，包含超过 14,000 个跨广泛类别的已绑定 3D 模型。UniRig 在最先进的学术和商业方法之上大幅领先，在困难数据集上实现了绑定精度提升 215%、动作精度提升 194%。UniRig 的方法可无缝适用于多样化的对象类别，从细致的动画角色到复杂的有机和无机结构，都能稳定工作，展示了其通用性和鲁棒性。通过将繁琐且耗时的绑定流程自动化，UniRig 有望以前所未有的方式让动画制作流程更简单、更高效地加速。

UniRig 的主要特点

• 支持多样模型：自动对人类、动物、幻想角色，甚至无机物等各种 3D 模型进行绑定。
• 高精度蒙皮：准确计算骨骼与网格的关系，实现自然的动作。
• 使用丰富数据集训练：使用 14,000 个以上的多样化绑定模型进行训练，能够支持广泛的模型。​

哦…终于来了啊…这个想试试……
详情请查看项目页面！

链接

Github

项目页面

公告文章