击上方蓝字CG世界关注我们
“ 感知CG · 感触创意 · 感受艺术 · 感悟心灵 ”
中国很有影响力影视特效CG动画领域自媒体
绑定，蒙皮，拓扑我们CG行业一直热点话题。特别是绑定，既是技术活也是工夫活。很多人一直在讨论是否能实现自动绑定。哎？还别说，真有人研究这个问题。来自马萨诸塞大学阿默斯特分校和多伦多大学的几位研究人员开发了一种从输入角色模型生成动画装备的端到端自动化方法名为RigNet。给定一个表示关节角色的输入三维模型，RigNet就会预测一个骨骼，它还可以根据预测的骨骼估算曲面蒙皮权重。方法是基于一个深层结构，直接对网格进行操作，而不需要对形状类和结构进行假设。这个系结构基于大量不同的绑定模型集合进行训练，包括模型的网格、骨骼和相应的蒙皮权重。
看了视频是不是有点蒙？都会蒙。因为时间关系（真实原因是怕叫不准里面的词汇。）所以没有翻译。但通过我浅薄的知识积累，在这里跟大家简单解释下。
就是你给这个Rignet输入的3D角色网格，预测并创建一个骨骼，然后它会预测并将曲面蒙皮权重应用于这个角色网格。
Rignet基于模块化体系结构，分为以下几个阶段。第一阶段，Rignet处理输入的三维模型，估算显示的关节位置，右侧绿色部分。这个阶段主要想法是一个学习的权重函数，是神经网络注意力的一种形式，用来展示与定位关节更相关的表面区域。红色值意味着更高的注意力。在网格注意力的驱动下，网格顶点被迭代地位移和聚集，形成关节。
在这个体系结构中，聚集是作为一个可辨的模块实现，它可以对关节估算进行端到端的学习。通过学习图像神经网络预测网格的注意力和顶点位移。网络对输入网格进行处理，包括拓扑和测地线邻域。这些邻域通过边缘采样策略进行训练，那么Rignet就会从给定网格形成关节。
第二个阶段是学会用骨骼连接这些关节。具体地说，每对关节都是通过一个网络来处理，网络评估关节连接的概率。这个网络是基于对关节全局形状信息和候选骨骼表示的综合分析，同时使用另一个网络对应作为路线的关节进行分类。从根节点开始，由预测的骨骼概率驱动最小生成树，从单独的关节中间提取完整的角色骨架。
最后一个阶段就是利用这个提取出来的骨架，基于一个类似于初始关节预测阶段的图神经网络生成蒙皮权重。给定预测的蒙皮和骨架，Rignet以单个参数的形式接受动画师的输入，参数控制输出骨架的详细程度。这个架构是在一个数据集上训练的，包括人形、四足动物、鸟类、鱼类和其他虚构角色。这种方法不需要任何手动形状或骨骼分类。
他们研究的这种方法可以绑定不同的三维模型，甚至可以推广到具有不同结构和零件的模型。
视频后面又做了一些方法对比的结果。展示了Pinocchio方法和以前的体积技术生成的骨骼，而以前的方法经常错位关节，而Rignet生成的骨骼更符合动画师的要求。
大致就是这么个意思。当然了，目前停留在论文阶段，如果按照上面描述的，之后能实现软件功能端的话，那真的是太强了。一起期待下吧。
论文链接：
https://zhan-xu.github.io/rig-net/
视频链接：
https://www.youtube.com/watch?v=J90VETgWIDg&feature=emb_logo