论文页面 - UniMate：一个用于驱动多样化骨骼动画的统一模型

来源：https://huggingface.co/papers/2609.05415

摘要

UniMate 是一个统一的扩散 Transformer 模型，能够根据文本提示和已绑定的 3D 资产，为任意骨骼生成关节运动，且无需针对每个骨骼进行重新训练。它采用拓扑感知注意力和经过精心整理的大规模动作数据集实现这一目标。

近年来，自动绑定技术的进步已能大规模生产可用于动画的 3D 资产，然而为这些资产生成驱动动作仍然是一个瓶颈。现有的学习型动画生成器受限于拓扑结构：它们依赖特定类别的模板，或需要在推理时对每个骨骼进行微调并提供参考动作。我们提出了 UniMate，一个统一的基础模型，能够根据已绑定的 3D 资产和文本提示，为任意骨骼合成关节运动，无需测试时优化或针对每个骨骼的重新训练。UniMate 引入了一种拓扑感知扩散 Transformer，通过三种机制将骨骼拓扑信息融入注意力计算：(1) 基于成对关节关系和测地距离的图感知注意力偏置；(2) 谱旋转位置嵌入，通过图拉普拉斯算子将旋转位置嵌入推广到任意运动学树；(3) 从静止姿态骨骼中通过注意力池化得到的全局拓扑条件。我们还整理了 UniML3D 数据集，包含 13,006 个动作序列，涵盖双足、四足、鸟类、海洋生物、昆虫类、蛇形以及可动的刚体等类型，并进行了统一的规范化与文本配对。基于该数据集训练的 UniMate，在质量、泛化能力和效率方面均超越了现有基准模型，并支持零样本跨拓扑迁移、插值、扩展和文本引导编辑。我们的项目主页可通过 https://linzhanmou.com/unimate/ 访问。

查看 arXiv 页面 (https://arxiv.org/abs/2609.05415) 查看 PDF (https://arxiv.org/pdf/2609.05415) 项目主页 (https://linzhanmou.com/unimate/) GitHub49 (https://github.com/Friedrich-M/UniMate) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.05415)

在你的代理中获取这篇论文：

hf papers read 2609.05415

没有最新版本的 CLI？ curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

没有模型链接到本文。

在模型的 README.md 中引用 arxiv.org/abs/2609.05415 即可从本页链接到该模型。

引用本文的数据集4

Linzhan/Truebones-ZOO-Annotations 查看器 • 31分钟前更新 • 3.62k • 1.36k (https://huggingface.co/datasets/Linzhan/Truebones-ZOO-Annotations)

Linzhan/Mixamo-Animations-Characters 查看器 • 31分钟前更新 • 2.56k • 1.22k • 1 (https://huggingface.co/datasets/Linzhan/Mixamo-Animations-Characters)

Linzhan/Objaverse-XL-Rigged-Animated 查看器 • 31分钟前更新 • 23.6k • 186 (https://huggingface.co/datasets/Linzhan/Objaverse-XL-Rigged-Animated)

Linzhan/Objaverse-XL-Rigged-Animated-Renders 查看器 • 31分钟前更新 • 4 • 63 (https://huggingface.co/datasets/Linzhan/Objaverse-XL-Rigged-Animated-Renders)

引用本文的空间0

没有空间链接到本文。

在空间的 README.md 中引用 arxiv.org/abs/2609.05415 即可从本页链接到该空间。

包含本文的收藏集1