論文の概要: TailorRig: Controllable and Structured Auxiliary Skeleton Generation for Garment-Aware Rigging

• arxiv url: http://arxiv.org/abs/2611.02902v2
• Date: Thu, 05 Nov 2026 14:46:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.455966
• Title: TailorRig: Controllable and Structured Auxiliary Skeleton Generation for Garment-Aware Rigging
• Title（参考訳）: TailorRig:ガーメント・アウェア・リギングのための制御可能で構造化された補助骨格生成
• Abstract要約: 本稿では,衣料を意識したヒューマノイドリグを再構築するフレームワークであるTailorRigを紹介する。 TailorRigは、統一されたフレームワーク内でアーティストコントロールの2つの明示的な軸を公開する。 実験によると、TalorRigは骨格の精度、変形、安定性、制御性、実用性を改善している。
• 参考スコア（独自算出の注目度）: 13.752749316128082
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Humanoid rigging for modern characters with complex garments remains challenging due to the need for dense auxiliary skeletons and precise skinning control. Existing automatic methods primarily recover rigs from geometry, providing limited artist control over auxiliary articulation and often lacking explicit semantic or kinematic-chain structure for dense garment bones, leading to instability and weight bleeding. We present TailorRig, a framework that reformulates garment-aware humanoid rigging as a structured, controllable full-rig generation problem. This formulation shifts the goal from automatic rig recovery to artist-driven rig authoring, where both body-template compatibility and auxiliary articulation are explicit design choices. TailorRig exposes two explicit axes of artist control within a unified framework: a user-specified body skeleton template that preserves body-rig compatibility, and artist-provided semantic labels that drive an autoregressive generator to synthesize requested category-specific auxiliary bone chains. To robustly assign skinning weights under dense skeletal configurations, we further introduce a hierarchical chain-to-bone formulation: vertices are first associated to a kinematic chain, and bone weights are then refined within that chain, reducing weight bleeding between spatially adjacent but semantically unrelated structures. We evaluate TailorRig on a diverse set of characters and introduce Human-Mix, a large-scale dataset of over 38,000 humanoid models curated for garment-aware rigging. Experiments show that TailorRig improves skeleton accuracy, deformation stability, controllability, and practical usability over existing methods. Project page: https://xxxx0601.github.io/trig/ ; code: https://github.com/Tencent/TailorRig ; dataset: https://huggingface.co/datasets/tencent/TailorRig
• Abstract（参考訳）: 複雑な衣服を持つ現代文字のヒューマノイドリギングは、高密度の補助骨格と正確なスキンコントロールを必要とするため、依然として困難である。 既存の自動的な手法は、主に幾何学からリグを回収し、補助的な調音に対する限られたアーティストの制御を提供し、しばしば密度の高い衣服の骨に対する明示的な意味やキネマティック・チェーン構造が欠如し、不安定性と重量の出血をもたらす。 本稿では,服飾を意識したヒューマノイドリグを構造的かつ制御可能なフルリグ生成問題として再構成するフレームワークであるTailorRigを提案する。 この定式化は、目標を自動リグリカバリからアーティスト主導のリグオーサリングへとシフトさせる。 TailorRigは、統一されたフレームワーク内でアーティストコントロールの2つの明示的な軸を公開している。これは、ボディーリグの互換性を維持するユーザ指定のボディスケルトンテンプレートと、要求されたカテゴリ固有の補助的な骨鎖を合成するために自動回帰生成を駆動するアーティスト提供セマンティックラベルである。 骨の重み付けを高密度骨格構造下で頑健に行うために, 階層的な鎖と骨の定式化を導入する: 頂点はまずキネマティック鎖に関連付けられ, 骨の重み付けはその鎖内で洗練され, 空間的に隣接しているが意味的には無関係な構造の間の重量出血を減少させる。 そこで我々は,多種多様な文字集合を用いてTailorRig を評価し,衣服認識リギング用にキュレートされた 38,000 以上のヒューマノイドモデルの大規模データセットである Human-Mix を紹介した。 実験により,TalorRigは既存の方法よりも骨格の精度,変形安定性,制御性,実用性を向上させることが示された。 プロジェクトページ: https://xx0601.github.io/trig/; コード: https://github.com/Tencent/TailorRig ; データセット: https://huggingface.co/datasets/tencent/TailorRig

関連論文リスト

• ViP-Rig: Visual-Prompted Controllable Rigging [66.07397903377584]
  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。
  論文  参考訳（メタデータ） (2026-07-30T10:26:37Z)
• 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)
• ASMR: Adaptive Skeleton-Mesh Rigging and Skinning via 2D Generative Prior [5.429282997550316]
  骨格運動データを用いた文字メッシュの自動リギングとスキンニングのための新しい手法を提案する。 提案手法は,メッシュサイズと比率に応じて最適な骨格を予測し,メッシュスケルトン構成のスキンウェイトを定義する。
  論文  参考訳（メタデータ） (2025-03-17T15:59:02Z)
• RigAnything: Template-Free Autoregressive Rigging for Diverse 3D Assets [44.655049022141384]
  本稿では,新しい自己回帰変換モデルであるRigAnythingを紹介する。 関節と骨格のトポロジを確率的に生成し、スキンの重量をテンプレートのない方法で割り当てることで、3Dアセットをリグレディにする。 これは、ヒューマノイド、四足動物、海洋生物、昆虫など、さまざまな種類の物体にまたがる最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-02-13T18:59:13Z)
• HumanRig: Learning Automatic Rigging for Humanoid Character in a Large Scale Dataset [6.978870586488504]
  我々は3次元ヒューマノイドキャラクタリギング用に特別に設計された最初の大規模データセットであるHumanRigを紹介する。 本稿では,GNN方式の限界を克服する,革新的なデータ駆動型自動リギングフレームワークを提案する。 この作業は、リギング研究におけるデータセット不足を修復するだけでなく、アニメーション産業をより効率的かつ自動化されたキャラクタリギングパイプラインへと発展させる。
  論文  参考訳（メタデータ） (2024-12-03T09:33:00Z)
• 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)
• 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)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)

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。