论文页面 - MoZoo: 在动物毛发和肌肉模拟中释放视频扩散模型的潜力

来源: https://huggingface.co/papers/2605.13857

摘要

MoZoo 利用扩散模型，通过新颖的注意力机制和合成到真实的数据流水线，从粗糙网格生成高保真动物视频。

创作电影级动物特效需要对肌肉和毛发动力学进行精确建模，这在传统制作流程中既费时又计算成本高昂。尽管生成式扩散模型 (https://huggingface.co/papers?q=generative%20diffusion%20models) 在多种艺术工作流中展现出潜力，但它们在动物高保真模拟方面的能力尚未被充分挖掘。我们提出 MoZoo，一种生成式动力学求解器，它绕过传统细化步骤，在多模态引导下从粗糙网格合成高保真动物视频。我们提出角色感知 RoPE (RAR-RoPE)，通过基于角色的索引重映射 (https://huggingface.co/papers?q=role-based%20index%20remapping) 来同步运动对齐 (https://huggingface.co/papers?q=motion%20alignment)，同时通过固定的时间偏移 (https://huggingface.co/papers?q=temporal%20offsets) 解耦参考信息。作为补充，非对称解耦注意力 (https://huggingface.co/papers?q=Asymmetric%20Decoupled%20Attention) 对潜在序列 (https://huggingface.co/papers?q=latent%20sequence) 进行划分，以强制实现单向信息流，有效防止特征干扰 (https://huggingface.co/papers?q=feature%20interference) 并提高计算效率。为了解决高质量训练数据稀缺的问题，我们引入了 MoZoo-Data，一个合成到真实流水线 (https://huggingface.co/papers?q=synthetic-to-real%20pipeline)，它利用渲染引擎 (https://huggingface.co/papers?q=rendering%20engine) 和逆映射方法 (https://huggingface.co/papers?q=inverse%20mapping%20approach) 构建了一个大规模配对准序列数据集。此外，我们还建立了 MoZooBench，一个包含 120 个网格-视频对 (https://huggingface.co/papers?q=mesh-video%20pairs) 的综合基准 (https://huggingface.co/papers?q=comprehensive%20benchmark)。实验结果表明，MoZoo 能够在多种动物骨架和布局下实现高保真毛发模拟 (https://huggingface.co/papers?q=fur%20simulation)，并保持优越的时间与结构一致性 (https://huggingface.co/papers?q=structural%20consistency)。

查看arXiv页面 (https://arxiv.org/abs/2605.13857)查看PDF (https://arxiv.org/pdf/2605.13857)项目页面 (https://orange-3dv-team.github.io/MoZoo/)GitHub85 (https://github.com/Orange-3DV-Team/MoZoo)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.13857)

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.13857 可从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.13857 可从此页面链接。

引用此论文的 Spaces0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2605.13857 可从此页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 可从此页面链接。