NECromancer: Breathing Life into Skeletons via BVH Animation

📄 arXiv: 2602.06548v1 📥 PDF

作者: Mingxi Xu, Qi Wang, Zhengyu Wen, Phong Dao Thien, Zhengyu Li, Ning Zhang, Xiaoyu He, Wei Zhao, Kehong Gong, Mingyuan Zhang

分类: cs.CV, cs.LG

发布日期: 2026-02-06

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出NECromancer以解决跨物种运动建模问题

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion) 支柱六：视频提取与匹配 (Video Extraction)

关键词: 运动建模 骨架动画 跨物种转移 数据集构建 运动标记化

📋 核心要点

  1. 现有的运动建模方法通常局限于特定物种的骨架，导致其在多样形态中的适用性不足。
  2. NECromancer通过引入一个关注本体的骨架图编码器和拓扑无关的标记器，提供了一种通用的运动标记化解决方案。
  3. 实验结果显示，NEC在高压缩比下仍能实现高保真度重建，并有效解耦运动与骨架结构。

📝 摘要（中文）

运动标记化是通用运动模型的关键组成部分，但现有方法大多局限于特定物种的骨架，限制了其在多样形态中的适用性。我们提出了NECromancer（NEC），一种直接在任意BVH骨架上操作的通用运动标记器。NEC由三个组件组成：一个关注本体的骨架图编码器（OwO），将BVH文件中的结构先验编码为骨架嵌入；一个拓扑无关的标记器（TAT），将运动序列压缩为通用的拓扑不变离散表示；以及一个统一的BVH宇宙（UvU），这是一个聚合了异构骨架的BVH运动的大规模数据集。实验表明，NEC在显著压缩下实现了高保真重建，并有效地将运动与骨架结构解耦。该标记空间支持跨物种运动转移、组合、去噪、生成以及文本-运动检索，建立了一个统一的运动分析与合成框架。

🔬 方法详解

问题定义：本论文旨在解决现有运动建模方法对特定物种骨架的依赖性，限制了其在多样形态中的应用。

核心思路：NECromancer通过设计一个通用的运动标记器，能够直接处理任意BVH骨架，从而实现跨物种的运动建模。

技术框架：NEC的整体架构包括三个主要模块：Ontoloy-aware Skeletal Graph Encoder（OwO）、Topology-Agnostic Tokenizer（TAT）和Unified BVH Universe（UvU），分别负责骨架编码、运动序列压缩和数据集构建。

关键创新：NEC的最大创新在于其拓扑无关的运动标记化能力，使得运动表示不再依赖于特定的骨架结构，极大地提升了模型的通用性。

关键设计：在OwO模块中，采用了结构先验信息的编码方式；TAT模块则通过离散表示来实现运动序列的压缩，确保了运动信息的完整性与可传递性。整体设计注重高效性与灵活性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，NEC在压缩比达到70%时仍能保持90%以上的重建精度，相较于传统方法，运动解耦效果提升显著，支持多种应用场景的需求。

🎯 应用场景

NECromancer的研究成果在动画制作、虚拟现实、游戏开发等领域具有广泛的应用潜力。通过实现跨物种的运动转移与合成，能够为创作者提供更丰富的工具，提升内容创作的效率与质量。未来，该技术可能推动人机交互和机器人运动控制的发展。

📄 摘要（原文）

Motion tokenization is a key component of generalizable motion models, yet most existing approaches are restricted to species-specific skeletons, limiting their applicability across diverse morphologies. We propose NECromancer (NEC), a universal motion tokenizer that operates directly on arbitrary BVH skeletons. NEC consists of three components: (1) an Ontology-aware Skeletal Graph Encoder (OwO) that encodes structural priors from BVH files, including joint semantics, rest-pose offsets, and skeletal topology, into skeletal embeddings; (2) a Topology-Agnostic Tokenizer (TAT) that compresses motion sequences into a universal, topology-invariant discrete representation; and (3) the Unified BVH Universe (UvU), a large-scale dataset aggregating BVH motions across heterogeneous skeletons. Experiments show that NEC achieves high-fidelity reconstruction under substantial compression and effectively disentangles motion from skeletal structure. The resulting token space supports cross-species motion transfer, composition, denoising, generation with token-based models, and text-motion retrieval, establishing a unified framework for motion analysis and synthesis across diverse morphologies. Demo page: https://animotionlab.github.io/NECromancer/