郭一璞 发自 云凹非寺 量子位 报道 | 公众号 QbitAI
一只3D的狗头卡通角色：
给它画上骨架：
诶？就可以动起来了：
同样的方法，也可以让3D小男孩动起来：
让3D高挑大姐姐动起来：
让3D猫猫活蹦乱跳：
总之，一切原本应该只是静态的3D角色模型，不管是人是动物，还是自然界不存在的卡通创意角色，都能见皮知骨，由静到动：
连影子都配合的非常好！
只知道脱骨鸡、脱骨鸭掌，没想到，还有人反着来。
这一切，都是一个叫做RigNet的AI自动完成的。只要设计好角色的3D动态外形，它就可以自动预测角色骨架，预估骨架外皮肤的重量，生成角色运动的图像。
这可比人工制作动画方便多了，要是能用在3D动画或者3D游戏制作上，以后就不用担心拖更或跳票了呢。
这项研究也登上了SIGGRAPH 2020，作者来自马萨诸塞大学阿默斯特分校和多伦多大学。
多网络合作实现
AI让3D角色动起来，需要经历两个步骤：先是确定骨骼的位置，再预测骨架之外皮肤的重量。
骨骼是有关节、会转动的，因此AI预测的时候也要先找到那些关节。
先用一个GMEdgeNet图神经网络，预测顶点向相邻关节的位移。
这样，骨头大概长在什么地方就出来了。
同时，还准备了另一个GMEdgeNet，参数和前面的那个不太一样，用它来预测网格上的注意力函数，图上越红的位置，注意力就越强。
划重点，GMEdgeNet长这样，后面还要用：
做了这样的准备，就可以用聚类模型，找到关节的位置。
关节的分布和生物学意义上的脊椎动物并不完全一致，不过鉴于只是追求外在的运动效果，并不是做骷髅装饰品，因此有大致的位置来表示身体弯曲的节点就OK了。
现在找到了关节，我们再把关节连起来，给它装上骨头。
装骨头用的是BoneNet模型和最小生成树算法，BoneNet负责预测每两个关节的连接里，哪些连接才是正确的骨头的位置，符合一般动物的身体结构。
BoneNet模型长这样：
同时，还要给这个3D角色找到“根关节”，就是下图的小红点，可以理解为“重心”，需要用到RootNet模型。
这真是“刻骨铭心”啊。
好的，现在关节、骨架和重心都有了，需要让这幅骨头感知一下皮肉的重量，它才能运动得符合自然规律也符合人们的观感。
给皮肉“称重”的任务，还是GMEdgeNet模型来做，它来预测骨架蒙皮权重。
传送门
项目主页： https://zhan-xu.github.io/rig-net/
论文地址： https://people.cs.umass.edu/~zhanxu/papers/RigNet.pdf
GitHub： https://github.com/zhan-xu/RigNet
— 完 —
