Anymate: A Dataset and Baselines for Learning 3D Object Rigging

要約

リギングとスキニングは、現実的な3Dアニメーションを作成するための不可欠な手順であり、多くの場合、重要な専門知識と手動の努力が必要です。
これらのプロセスを自動化する従来の試みは、幾何学的ヒューリスティックに大きく依存しており、しばしば複雑なジオメトリのオブジェクトと格闘しています。
最近のデータ駆動型アプローチは、より良い一般性の可能性を示していますが、しばしば限られたトレーニングデータによって制約されています。
既存のデータセットの70倍大きい専門家で作られたリギングおよびスキニング情報と組み合わせた230k 3Dアセットの大規模なデータセットであるAnymateデータセットを提示します。
このデータセットを使用して、ジョイント、接続性、およびスキニング重量予測のための3つのシーケンシャルモジュールを備えた学習ベースの自動リギングフレームワークを提案します。
各モジュールのベースラインとしてさまざまなアーキテクチャを体系的に設計および実験し、データセットで包括的な評価を実施してパフォーマンスを比較します。
私たちのモデルは、既存の方法を大幅に上回り、自動リギングとスキニングの将来の方法を比較するための基盤を提供します。
コードとデータセットはhttps://anymate3d.github.io/にあります。

要約(オリジナル)

Rigging and skinning are essential steps to create realistic 3D animations, often requiring significant expertise and manual effort. Traditional attempts at automating these processes rely heavily on geometric heuristics and often struggle with objects of complex geometry. Recent data-driven approaches show potential for better generality, but are often constrained by limited training data. We present the Anymate Dataset, a large-scale dataset of 230K 3D assets paired with expert-crafted rigging and skinning information — 70 times larger than existing datasets. Using this dataset, we propose a learning-based auto-rigging framework with three sequential modules for joint, connectivity, and skinning weight prediction. We systematically design and experiment with various architectures as baselines for each module and conduct comprehensive evaluations on our dataset to compare their performance. Our models significantly outperform existing methods, providing a foundation for comparing future methods in automated rigging and skinning. Code and dataset can be found at https://anymate3d.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google