論文の概要: Puppeteer: Rig and Animate Your 3D Models

• arxiv url: http://arxiv.org/abs/2508.10898v1
• Date: Thu, 14 Aug 2025 17:59:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.450527
• Title: Puppeteer: Rig and Animate Your 3D Models
• Title（参考訳）: Puppeteer: 3Dモデルのリグ&アノメート
• Authors: Chaoyue Song, Xiu Li, Fan Yang, Zhongcong Xu, Jiacheng Wei, Fayao Liu, Jiashi Feng, Guosheng Lin, Jianfeng Zhang,
• Abstract要約: Puppeteerは、さまざまな3Dオブジェクトの自動リギングとアニメーションの両方に対処する包括的なフレームワークである。 本システムはまず, 自己回帰変換器を用いて, 可塑性骨格構造を推定する。 その後、注意に基づくアーキテクチャにより、皮膚の重量を推定する。
• 参考スコア（独自算出の注目度）: 105.11046762553121
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern interactive applications increasingly demand dynamic 3D content, yet the transformation of static 3D models into animated assets constitutes a significant bottleneck in content creation pipelines. While recent advances in generative AI have revolutionized static 3D model creation, rigging and animation continue to depend heavily on expert intervention. We present Puppeteer, a comprehensive framework that addresses both automatic rigging and animation for diverse 3D objects. Our system first predicts plausible skeletal structures via an auto-regressive transformer that introduces a joint-based tokenization strategy for compact representation and a hierarchical ordering methodology with stochastic perturbation that enhances bidirectional learning capabilities. It then infers skinning weights via an attention-based architecture incorporating topology-aware joint attention that explicitly encodes inter-joint relationships based on skeletal graph distances. Finally, we complement these rigging advances with a differentiable optimization-based animation pipeline that generates stable, high-fidelity animations while being computationally more efficient than existing approaches. Extensive evaluations across multiple benchmarks demonstrate that our method significantly outperforms state-of-the-art techniques in both skeletal prediction accuracy and skinning quality. The system robustly processes diverse 3D content, ranging from professionally designed game assets to AI-generated shapes, producing temporally coherent animations that eliminate the jittering issues common in existing methods.
• Abstract（参考訳）: 現代のインタラクティブアプリケーションは動的3Dコンテンツをますます要求しているが、静的3Dモデルのアニメーションアセットへの変換は、コンテンツ作成パイプラインにおいて重大なボトルネックとなっている。 生成AIの最近の進歩は静的3Dモデル生成に革命をもたらしたが、リギングとアニメーションは専門家の介入に大きく依存し続けている。 Puppeteerは、多様な3Dオブジェクトの自動リギングとアニメーションの両方に対処する包括的なフレームワークである。 提案システムは,まず,コンパクトな表現のための共同トークン化戦略を導入する自動回帰変換器と,双方向学習能力を高める確率的摂動を伴う階層的順序付け手法を用いて,可塑性骨格構造を予測する。 その後、トポロジーを意識した共同注意を取り入れた注意に基づくアーキテクチャにより、スキンウェイトを推論し、骨格グラフ距離に基づいて結合関係を明示的に符号化する。 最後に,従来の手法よりも計算効率が良く,安定かつ高忠実なアニメーションを生成する,微分可能な最適化に基づくアニメーションパイプラインを補完する。 本手法は, 骨格予測精度と皮膚品質の両方において, 最先端技術よりも優れていることを示す。 このシステムは、プロが設計したゲームアセットからAIが生成する形状に至るまで、多様な3Dコンテンツを強力に処理し、時間的に一貫性のあるアニメーションを生成し、既存の方法に共通するジッタリングの問題を排除します。

関連論文リスト

• 3DProxyImg: Controllable 3D-Aware Animation Synthesis from Single Image via 2D-3D Aligned Proxy Embedding [46.75707405618843]
  外観合成から幾何学的制御を分離する軽量な3Dアニメーションフレームワークを提案する。 提案手法は,低消費電力プラットフォーム上での効率的なアニメーション生成を実現する。
  論文  参考訳（メタデータ） (2025-12-17T06:38:07Z)
• Particulate: Feed-Forward 3D Object Articulation [89.78788418174946]
  Particulateは、毎日のオブジェクトの1つの静的3Dメッシュが与えられたフィードフォワードアプローチであり、基盤となる関節構造のすべての属性を直接推論する。 私たちは、公開データセットから多種多様な3Dアセットの集合に基づいて、ネットワークのエンドツーエンドをトレーニングします。 推論中、Particulateはネットワークのフィードフォワード予測を入力メッシュに持ち上げ、完全に調音された3Dモデルを数秒で生成する。
  論文  参考訳（メタデータ） (2025-12-12T18:59:51Z)
• UniMo: Unifying 2D Video and 3D Human Motion with an Autoregressive Framework [54.337290937468175]
  統合された枠組み内での2次元映像と3次元映像の協調モデリングのための自己回帰モデルUniMoを提案する。 本手法は,正確なモーションキャプチャを行いながら,対応する映像と動きを同時に生成することを示す。
  論文  参考訳（メタデータ） (2025-12-03T16:03:18Z)
• Motion4D: Learning 3D-Consistent Motion and Semantics for 4D Scene Understanding [54.859943475818234]
  基礎モデルからの2次元先行を統一された4次元ガウススプラッティング表現に統合する新しいフレームワークであるMotion4Dを提案する。 1) 局所的な一貫性を維持するために連続的に動き場と意味体を更新する逐次最適化,2) 長期的コヒーレンスのために全ての属性を共同で洗練するグローバル最適化,である。 提案手法は,ポイントベーストラッキング,ビデオオブジェクトセグメンテーション,新しいビュー合成など,多様なシーン理解タスクにおいて,2次元基礎モデルと既存の3Dベースアプローチの両方に優れる。
  論文  参考訳（メタデータ） (2025-12-03T09:32:56Z)
• MagicArticulate: Make Your 3D Models Articulation-Ready [109.35703811628045]
  静的な3Dモデルを自動的に調音可能なアセットに変換する効果的なフレームワークであるMagicArticulateを提案する。 まず,高品質な調音アノテーションを備えた33k以上の3Dモデルを含むArticulation-averseベンチマークを紹介し,XL-XLから慎重にキュレートする。 大規模な実験では、MagicArticulateはさまざまなオブジェクトカテゴリで既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-02-17T18:53:27Z)
• Make-It-Animatable: An Efficient Framework for Authoring Animation-Ready 3D Characters [86.13319549186959]
  我々は3次元ヒューマノイドモデルを1秒未満でキャラクターアニメーションに対応させる新しいデータ駆動方式であるMake-It-Animatableを提案する。 我々のフレームワークは、高品質なブレンドウェイト、骨、ポーズトランスフォーメーションを生成します。 既存の手法と比較して,本手法は品質と速度の両方において著しく改善されている。
  論文  参考訳（メタデータ） (2024-11-27T10:18:06Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• Spice-E : Structural Priors in 3D Diffusion using Cross-Entity Attention [9.52027244702166]
  Spice-Eは3D拡散モデルに構造ガイダンスを追加するニューラルネットワークである。 提案手法は,3次元スタイリゼーション,意味的形状の編集,テキスト条件の抽象化-to-3Dなど,様々なアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2023-11-29T17:36:49Z)
• Scene Synthesis via Uncertainty-Driven Attribute Synchronization [52.31834816911887]
  本稿では,3次元シーンの多様な特徴パターンを捉えるニューラルシーン合成手法を提案する。 提案手法は,ニューラルネットワークと従来のシーン合成手法の双方の長所を結合する。
  論文  参考訳（メタデータ） (2021-08-30T19:45:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。