論文の概要: ViP-Rig: Visual-Prompted Controllable Rigging

• arxiv url: http://arxiv.org/abs/2607.27982v1
• Date: Thu, 30 Jul 2026 10:26:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.510507
• Title: ViP-Rig: Visual-Prompted Controllable Rigging
• Title（参考訳）: ViP-Rig:ビジュアルプロンプト制御可能なリグ
• Abstract要約: ViP-Rigは、プロンプトファーストリギングと結果誘導編集の両方をサポートするビジュアルプロンプトフレームワークである。 その結果,ViP-Rigは形状条件のベースラインよりもターゲット骨格やスキンの重量をより正確に回収できることがわかった。
• 参考スコア（独自算出の注目度）: 66.07397903377584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rigging is inherently task-dependent because the same mesh may require different skeletons and deformation behaviors across animation tasks. In practice, artists often inspect an initial rig and repeatedly edit its skeletal structure and deformation behavior to meet specific animation requirements. Existing automatic methods primarily generate a plausible rig from geometry, offering limited explicit control over the resulting skeleton and deformation behavior. In this work, we present ViP-Rig, a visual-prompted framework that supports both prompt-first rigging and result-guided editing by injecting features extracted from user-drawn or edited 2D skeletal and rigidity prompts into frozen pretrained backbones. Specifically, ViP-Rig consists of two stages, Skeleton Generation and Skinning Prediction. In the first stage, the skeletal sketch is processed by the Dense-to-Compact Visual Prompt Encoding to produce compact, fixed-length conditioning tokens. The resulting tokens are injected into a frozen pretrained autoregressive generator through gated adapters to control joint placement and branching structure while preserving the generator's geometric prior. In the second stage, the rigidity map is processed using the same visual encoding design, while the pretrained skinning backbone remains frozen. The resulting tokens are symmetrically injected into the point and joint streams to modulate point-joint compatibility and the resulting skinning weights. Experiments on Articulation-XL2.0 and zero-shot evaluation on ModelsResource show that ViP-Rig more accurately recovers target skeletons and skinning weights than geometry-conditioned baselines under prompt-guided evaluation. Qualitative results further demonstrate explicit and localized control in both prompt-first rigging and result-guided editing.
• Abstract（参考訳）: リギングは本質的にタスク依存である。なぜなら同じメッシュはアニメーションタスク全体で異なるスケルトンと変形の振る舞いを必要とする可能性があるからだ。 実際には、アーティストはしばしば初期リグを検査し、その骨格構造と変形挙動を、特定のアニメーション要件を満たすように繰り返し編集する。 既存の自動的な手法は、主に幾何学から可塑性リグを生成し、結果として生じる骨格と変形の挙動を限定的に制御する。 そこで本研究では,ユーザの手書きや編集した2D骨格と剛性から抽出した特徴を凍結した後骨に注入することにより,プロンプトファーストリギングと結果誘導の両方をサポートする視覚的プロンプトフレームワークであるViP-Rigを提案する。 具体的には、ViP-RigはSkeleton GenerationとSkinning Predictionの2つのステージで構成されている。 最初の段階では、骨格スケッチはDense-to-Compact Visual Prompt Encodingによって処理され、コンパクトで固定長の条件付きトークンを生成する。 結果として生じるトークンは、ゲートアダプタを介して凍結した自己回帰生成器に注入され、発電機の幾何学的事前を保ちながら、関節配置と分岐構造を制御する。 第2段階では、剛性マップは同じ視覚的符号化設計で処理され、事前訓練されたスキンバックボーンは凍結されている。 結果として生じるトークンは、ポイントとジョイントストリームに対称に注入され、ポイント-ジョイント互換性と結果として生じるスキンウェイトを変調する。 The Experiments on Articulation-XL2.0 and zero-shot evaluation on ModelsResource showed that ViP-Rig improve more accurate recovery target skeletons and skinning weights than geometry-conditioned baselines under prompt-guided evaluation。 質的な結果はさらに、プロンプトファーストリギングと結果誘導編集の両方において、明示的で局所的な制御を示す。

関連論文リスト

• RASA: Disentangled Spatial-Motional Priors for Cross-Identity Character Animation [85.41886214825894]
  クロスアイデンティティキャラクタアニメーションは、基準画像からターゲットアイデンティティを駆動し、駆動ビデオからソースキャラクタの動きに従うことを目的としている。 本稿では,移動制御から空間マッピングを分離するフレームワークであるReference-Aware Structure Alignment (RASA)を紹介する。 我々の研究は、不整合空間と動きの先行がロバストなキャラクターアニメーションの鍵となることを示す新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-08-28T11:36:44Z)
• Fishbone: From One 3D Asset to a Million Controllable Edits [26.573828978137104]
  Fishboneは一般的な形状のための統一されたrib-spine表現であり、制御可能なパラメトリックメッシュ、縮小空間力学、アニメーションをサポートする。 リブは厚さ、方向、断面の変化などの局所的なプロファイルを制御し、スピンはグローバルな曲げ、ねじれ、伸びを制御する。 さらに,Hunyuan3Dをリブスピン構造で拡張することで魚骨136Kを構築し,ロボット学習,インタラクティブメッシュ編集,エージェント生成における制御可能な3D生成,変形に基づくデータ拡張への応用を実証する。
  論文  参考訳（メタデータ） (2026-05-24T01:38:43Z)
• MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons [56.68975315643491]
  本稿では,ビデオ・ツー・ローテーションとビデオ・ツー・ローテーションを共同で学習し,最適化する,最初のエンドツーエンドフレームワークを提案する。 本手法は, メッシュベースパイプラインの20倍の速度で, 回転誤差を17度から10度, 見えない骨格では6.54度に低減する。
  論文  参考訳（メタデータ） (2026-04-30T17:16:38Z)
• Stroke3D: Lifting 2D strokes into rigged 3D model via latent diffusion models [53.32092058519587]
  Stroke3Dは、ユーザ入力から2D描画ストロークと記述テキストプロンプトを直接生成する新しいフレームワークである。 私たちの知識を最大限に活用するために、私たちの研究は、ユーザ引き起こされた2Dストロークに条件付けされたトリグされた3Dメッシュを初めて生成しました。
  論文  参考訳（メタデータ） (2026-02-10T12:17:00Z)
• Skin Tokens: A Learned Compact Representation for Unified Autoregressive Rigging [44.79819257609757]
  SkinTokensは、スキンウェイトを学習し、コンパクトで、離散的な表現である。 TokenRigは統合された自動回帰フレームワークで、リグ全体を骨格パラメータとSkinTokensの単一シーケンスとしてモデル化する。 我々の研究は、より忠実で堅牢なリギングに統一的で生成的なアプローチを示します。
  論文  参考訳（メタデータ） (2026-02-04T17:52:17Z)
• Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold [79.94300820221996]
  DragGANはGAN(Generative Adversarial Network)を制御する新しい方法である DragGANを使えば、ピクセルの行き先を正確に制御して、動物、車、人間、風景などのさまざまなカテゴリのポーズ、形状、表現、レイアウトを操作することができる。 定性的かつ定量的な比較は、画像操作や点追跡のタスクにおいて、以前のアプローチよりもDragGANの利点を示している。
  論文  参考訳（メタデータ） (2023-05-18T13:41:25Z)
• Learning Skeletal Articulations with Neural Blend Shapes [57.879030623284216]
  あらかじめ定義された骨格構造を有するエンベロープを用いて3次元文字を表現できるニューラルテクニックを開発している。 我々のフレームワークは、同じ調音構造を持つリグとスキンキャラクタを学習する。 関節領域の変形品質を向上させるニューラルブレンディング形状を提案します。
  論文  参考訳（メタデータ） (2021-05-06T05:58:13Z)

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。