GaussiAnimate: Reconstruct and Rig Animatable Categories with Level of Dynamics

📄 arXiv: 2604.08547v1 📥 PDF

作者: Jiaxin Wang, Dongxin Lyu, Zeyu Cai, Zhiyang Dou, Cheng Lin, Anpei Chen, Yuliang Xiu

分类: cs.CV, cs.GR

发布日期: 2026-04-09

备注: Page: https://cookmaker.cn/gaussianimate

💡 一句话要点

提出Skelebones以解决非刚性表面动画控制问题

🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction)

关键词: 非刚性变形 动画控制 高斯体 运动匹配 骨架提取 计算机图形学 机器学习

📋 核心要点

  1. 现有方法在处理非刚性表面变形时，缺乏有效的运动结构，导致控制不直观。
  2. 本研究提出的Skelebones系统通过压缩高斯体、提取骨架和运动匹配，提供了一种新的动画控制方式。
  3. 实验结果表明，该方法在再动画性能上显著优于传统方法，尤其在复杂非刚性表面动态表现上具有更高的重建保真度。

📝 摘要（中文）

自由形式的骨骼能够有效捕捉非刚性变形，但缺乏直观控制所需的运动结构。为此，我们提出了一种名为“Skelebones”的支架-皮肤绑定系统，包含三个关键步骤：通过压缩时间一致的可变形高斯体来近似非刚性表面变形，提取均值曲率骨架并进行时间细化，最后通过非参数部分运动匹配绑定骨架和骨骼。我们在合成和真实数据集上验证了该方法，在未见姿态的再动画性能上显著提升，PSNR比线性混合皮肤（LBS）提高17.3%，比骨骼包（BoB）提高21.7%。

🔬 方法详解

问题定义：本论文旨在解决现有动画方法在处理非刚性表面时缺乏有效运动控制结构的问题。现有的线性混合皮肤（LBS）和骨骼包（BoB）方法在复杂变形场景中表现不佳，导致动画效果不理想。

核心思路：我们提出的Skelebones系统通过三个步骤实现：首先，利用时间一致的可变形高斯体构建自由形式骨骼；其次，从高斯体中提取均值曲率骨架并进行时间细化；最后，通过非参数部分运动匹配将骨架与骨骼绑定，从而实现可控且富有表现力的动画效果。

技术框架：整体架构包括三个主要模块：骨骼构建模块、骨架提取模块和绑定模块。骨骼构建模块负责生成自由形式骨骼，骨架提取模块确保运动适应性和拓扑正确性，绑定模块则通过运动匹配合成新骨骼动作。

关键创新：本研究的创新点在于提出了一种新的支架-皮肤绑定系统，能够在保持高重建保真度的同时，显著提升再动画性能，尤其是在未见姿态下的表现。与传统方法相比，我们的方法在运动适应性和控制直观性上具有明显优势。

关键设计：在技术细节上，我们采用了非参数部分运动匹配算法，确保在低数据条件下（约1000帧）也能实现强泛化能力。实验中，我们的算法在RMSE上比LBS提升了48.4%，并且在复杂动态场景中表现优于基于GRU和MLP的学习方法。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，我们的方法在未见姿态的再动画性能上显著提升，PSNR比线性混合皮肤（LBS）提高17.3%，比骨骼包（BoB）提高21.7%。此外，在低数据条件下，我们的算法在RMSE上比LBS提升了48.4%，并优于现有的学习方法。

🎯 应用场景

该研究的潜在应用领域包括动画制作、游戏开发和虚拟现实等，能够为角色动画提供更高效的控制方式。未来，该技术可能在实时动画生成和交互式应用中发挥重要作用，提升用户体验和创作效率。

📄 摘要（原文）

Free-form bones, that conform closely to the surface, can effectively capture non-rigid deformations, but lack a kinematic structure necessary for intuitive control. Thus, we propose a Scaffold-Skin Rigging System, termed "Skelebones", with three key steps: (1) Bones: compress temporally-consistent deformable Gaussians into free-form bones, approximating non-rigid surface deformations; (2) Skeleton: extract a Mean Curvature Skeleton from canonical Gaussians and refine it temporally, ensuring a category-agnostic, motion-adaptive, and topology-correct kinematic structure; (3) Binding: bind the skeleton and bones via non-parametric partwise motion matching (PartMM), synthesizing novel bone motions by matching, retrieving, and blending existing ones. Collectively, these three steps enable us to compress the Level of Dynamics of 4D shapes into compact skelebones that are both controllable and expressive. We validate our approach on both synthetic and real-world datasets, achieving significant improvements in reanimation performance across unseen poses-with 17.3% PSNR gains over Linear Blend Skinning (LBS) and 21.7% over Bag-of-Bones (BoB)-while maintaining excellent reconstruction fidelity, particularly for characters exhibiting complex non-rigid surface dynamics. Our Partwise Motion Matching algorithm demonstrates strong generalization to both Gaussian and mesh representations, especially under low-data regime (~1000 frames), achieving 48.4% RMSE improvement over robust LBS and outperforming GRU- and MLP-based learning methods by >20%. Code will be made publicly available for research purposes at cookmaker.cn/gaussianimate.