郭一璞云凹非寺量子位报道|公众号QbitAI一只3D狗头角色：
绘制骨骼：
诶？ 可以工作：
也可以用同样的方法移动3D男孩：
移动3D高个子姐姐：
让3D猫跳起来：
无论如何，它本来应该是一个静态的3D角色模型，无论人是动物，还是自然界中不存在的角色，都可以做到见皮知骨、由静而动：
连影子都配合起来非常好！
只知道去骨鸡、去骨鸭掌，没想到，反而有人来了。
所有这些，都由一个叫RigNet的AI自动完成。 设计角色的3D动态形状，可以自动预测角色的骨骼，估计骨骼外皮肤的重量，生成角色活动的形象。
这比人工制作动画方便多了。 如果能用于制作3D动画和3D游戏的话，以后就不用担心更多的拖动和飞门票了。
这项研究也刊登在SIGGRAPH 2020上，该校来自麻省理工学院阿默斯特分校和多伦多大学。
多种网络协同实现AI、移动3D角色，需要经过首先定位骨骼，然后预测骨骼以外皮肤的重量两个步骤。
骨头有关节，会旋转，所以AI预测的时候也需要先找到这些关节。
首先，利用GMEdgeNet图的神经网络预测顶点向邻接关节的位移。
像这样，骨头大概长在什么地方就会出来。
同时，又准备了一个GMEdgeNet。 参数和之前的不大一样。 用这个预测网格上的注意函数。 图表上的红色位置，注意力越强。
给点，GMEdgeNet长这样，以后用：
做好这样的准备后，可以使用聚类模型来找到关节的位置。
关节分布在生物学上并不完全与脊椎动物一致，只是追求外在的运动效果，并不是制作头骨装饰品，所以只要有表示身体弯曲节点的大致位置就可以了。
我现在找到关节了。 连接关节安装骨头。
骨置入采用骨网模型和最小生成树算法，骨网负责预测两个关节连接中哪一个连接在正确的骨位置与一般动物的躯体结构相匹配。
BoneNet模型长度是这样的：
同时，需要在这个3D角色中找到“根关节”。 在下图的红点处，可以理解为“重心”。 需要根模型。
这真是“刻骨铭心”啊。
是的，现在有关节、骨骼和重心。 你需要让这块骨头感受到皮的重量。 它可以按照自然规律工作，也符合人们的外貌。
“测量”讽刺的任务还是用GMEdgeNet模型进行，预测骨骼的皮肤权重。
传送门项目主页： https://Zhan-Xu.github.io/rig-net /
论文地址： https://people.cs.umass.edu/~ Zhan Xu/papers/rig net.pdf
github:https://github.com/Zhan-Xu/rig net
结束了
量子比特QbitAI 头条号合同作者
关注我们，第一时间了解尖端技术动态
