StayStill: a large-scale 3D idle animation dataset

📄 arXiv: 2605.13693v1 📥 PDF

作者: Eneko Atxa Landa, Igor Rodriguez, Elena Lazkano, Taras Kucherenko

分类: cs.GR

发布日期: 2026-05-13

备注: 13 pages, 9 figures

💡 一句话要点

StayStill：一个大规模3D角色空闲动画数据集，用于提升虚拟角色真实感。

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 3D动画 空闲动画 数据集 动作捕捉 虚拟角色 动作生成 评估协议

📋 核心要点

  1. 现有自动动画生成研究较多，但缺乏专门的空闲动画数据集，限制了相关研究进展。
  2. 本文构建了大规模3D空闲动画数据集StayStill，包含多种运动类型和大量数据，为相关研究提供支持。
  3. 提出了标准化的评估协议，包含数值和用户评价指标，并开源数据集、评估代码和预训练模型。

📝 摘要（中文）

空闲动画对于虚拟角色至关重要，因为它们在非活动状态下传达了真实的行为。虽然自动动画生成已被广泛研究，但由于缺乏专门的训练数据集，空闲运动受到的关注有限。本文介绍了StayStill，这是一个大规模的3D空闲动画数据集，包含来自50个受试者的各种运动类型，总计约6小时的数据。我们还提出了一个标准化的评估协议，包括数值和用户评价指标，作为未来系统标准化评估过程的第一步。为了促进未来的研究，我们公开发布StayStill，以及评估代码和一个预训练的基线模型，该模型通过过渡连接生成空闲动画。我们相信这些贡献将促进未来对空闲运动生成的研究。

🔬 方法详解

问题定义：论文旨在解决缺乏大规模空闲动画数据集的问题，现有方法难以生成逼真自然的空闲动画。缺乏高质量的数据集阻碍了相关算法的训练和评估，使得虚拟角色的真实感难以提升。

核心思路：论文的核心思路是构建一个大规模、多样化的3D空闲动画数据集，并提供标准化的评估方法和基线模型，从而促进空闲动画生成领域的研究。通过提供丰富的数据，研究者可以训练更有效的模型，并使用标准化的评估方法来比较不同算法的性能。

技术框架：该论文主要贡献在于数据集的构建和评估协议的提出，并没有涉及复杂的算法框架。其技术框架可以概括为：数据采集 -> 数据清洗与标注 -> 数据集构建 -> 评估协议设计 -> 基线模型训练与评估 -> 数据集、代码与模型开源。

关键创新：该论文的关键创新在于构建了一个大规模的、包含多种运动类型的3D空闲动画数据集StayStill。此外，提出的标准化评估协议，包括数值和用户评价指标，为未来空闲动画生成系统的评估提供了一个统一的标准。

关键设计：数据集包含来自50个受试者的约6小时的3D空闲动画数据，涵盖多种运动类型。评估协议包括数值指标（例如骨骼运动的平滑度）和用户评价指标（例如动画的真实感）。基线模型采用过渡连接的方式生成空闲动画，具体网络结构和参数设置未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文构建了包含50个受试者，总计约6小时的3D空闲动画数据集StayStill。同时，提出了标准化的评估协议，包含数值和用户评价指标。提供了一个基于过渡连接的预训练基线模型，并开源了数据集、评估代码和预训练模型，为后续研究提供了便利。

🎯 应用场景

该研究成果可广泛应用于虚拟现实、游戏开发、人机交互等领域。高质量的空闲动画能够显著提升虚拟角色的真实感和用户体验。例如，在游戏中，可以使非玩家角色（NPC）的行为更加自然；在VR/AR应用中，可以增强虚拟化身的沉浸感。未来，该数据集和评估方法有望推动空闲动画生成技术的进步，使虚拟角色更加生动逼真。

📄 摘要（原文）

Idle animations are essential for virtual characters, as they convey realistic behaviour during inactive states. While automatic animation generation has been widely studied, limited attention has been given to idle motion due to the absence of dedicated training datasets. We introduce StayStill, a large-scale dataset of 3D idle animations comprising diverse motion types from 50 subjects, totalling approximately 6 hours of data. We also propose a standardised evaluation protocol for both numerical and user-based metrics as a first step towards a standardised evaluation process for future systems. To facilitate future research, we publicly release StayStill along with the evaluation code and a pre-trained baseline model that generates idle animations via transition concatenation. We believe that these contributions will enable future research on idle motion generation.