Make-It-Animatable:中科大联合腾讯推出的自动生成即时动画准备资产

简介: Make-It-Animatable是由中国科学技术大学和腾讯联合推出的数据驱动框架,能够在不到一秒内将任何3D人形模型转换为可用于动画的状态。该框架支持多种3D数据格式,并采用从粗到细的表示策略和结构感知建模,显著提升了动画准备的质量和速度。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日跟你分享最新的 AI 资讯和开源应用,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦


🚀 快速阅读

  1. 即时动画准备:快速将任何3D人形模型转变为可用于动画的状态。
  2. 自动生成动画资产:自动生成高质量的骨骼、混合权重和姿势变换。
  3. 支持多种3D数据格式:支持包括3D网格和3D高斯斑点在内的多种3D数据表示。

正文

Make-It-Animatable 是什么

公众号: 蚝油菜花 - Make-It-Animatable

Make-It-Animatable是由中国科学技术大学和腾讯PCG共同开发的数据驱动框架。该框架能够在不到一秒的时间内,将任何3D人形模型准备好进行角色动画状态,无论其形状和姿势如何。它基于生成高质量的混合权重、骨骼和姿势变换,支持多种3D表示,包括网格和3D高斯斑点。

Make-It-Animatable采用了从粗到细的表示和结构感知建模策略,确保了模型的准确性和鲁棒性,甚至适用于具有非标准骨架结构的角色。与现有方法相比,Make-It-Animatable在质量和速度上都有显著提升。

Make-It-Animatable 的主要功能

  • 即时动画准备:快速将任何3D人形模型转变为可用于动画的状态,无论其形状和姿势。
  • 自动生成动画资产:自动生成高质量的骨骼、混合权重和姿势变换,为动画制作提供必要的数据。
  • 支持多种3D数据格式:支持包括3D网格和3D高斯斑点在内的多种3D数据表示。
  • 精细到粗糙的多级表示:采用从精细到粗糙的多级表示方法,提高模型关键区域的细节捕捉能力。
  • 结构感知建模:识别并适应非标准骨架结构,提高模型的适应性和准确性。

Make-It-Animatable 的技术原理

  • 基于粒子的形状自编码器:基于粒子的自编码器技术编码和解码3D形状,支持多种3D表示。
  • 从粗到细的表示策略:先进行粗略的形状和关节位置预测,然后细化预测提高精确度。
  • 结构感知的骨骼建模:基于考虑骨骼的拓扑结构,提高骨骼预测的准确性,尤其是在复杂的骨骼结构中。
  • 混合权重和骨骼位置预测:用深度学习技术预测每个顶点的混合权重和骨骼位置,实现精确的蒙皮。
  • 姿势变换的预测:预测模型从当前姿势到标准休息姿势的变换,以便应用各种动画。

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日跟你分享最新的 AI 资讯和开源应用,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

相关文章
|
缓存 算法 安全
CAS机制(Compare And Swap)源码解读与三大问题
CAS机制(Compare And Swap)源码解读与三大问题
|
存储 编解码 安全
冥王峡谷安装steamos踩坑记录
记录冥王峡谷安装第三方steamos-holoiso时遇到的一些问题,其它玩家可参考
4228 0
|
4月前
|
XML 数据采集 人工智能
2026 技术向:AI 对话转 Word 的格式问题与工具实测对比
本文是AI技术文档工程师的实战经验总结,直击ChatGPT/DeepSeek/Claude生成内容转Word的三大痛点:LaTeX公式失真、Mermaid图表丢失、代码块无高亮。硬核对比Pandoc、Typora、aitoword、Quarto四大工具在公式转换、Mermaid渲染、样式控制与批量能力上的真实表现,并附决策树与实测耗时数据,助你10分钟选对方案。
649 0
|
编解码 物联网 开发者
FLUX.1 Kontext 的全生态教程来啦!AIGC专区在线试玩!
Flux.1 Kontext [dev] 开源模型大家都用上了吗?小编汇总了3个使用教程,打包送上!
3823 1
|
开发工具 Android开发 iOS开发
flutter 环境配置
flutter 环境配置
2964 162
|
安全 网络安全 数据安全/隐私保护
|
存储 Swift 对象存储
OpenStack的 存储服务
【8月更文挑战第23天】
578 13
buuctf-misc-26.后门查杀
buuctf-misc-26.后门查杀
|
算法 数据安全/隐私保护 计算机视觉
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
|
Linux iOS开发 MacOS
Gitea Enterprise 23.4.0 (Linux, macOS, Windows) - 本地部署的企业级 Git 服务
Gitea Enterprise 23.4.0 (Linux, macOS, Windows) - 本地部署的企业级 Git 服务
508 0
Gitea Enterprise 23.4.0 (Linux, macOS, Windows) - 本地部署的企业级 Git 服务

热门文章

最新文章