인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Automated 3D character rigging is vital for accelerating content creation in animation, games, and virtual environments. However, existing auto-rigging methods rely on scarce and inconsistent datasets, which are expensive to build because of the need for manual annotations and often reflect artist-specific rigging styles. These limitations hinder scalability and generalization. To address this issue, we propose a fully automated, text-driven rigging pipeline that eliminates the need for manual input. Our approach first generates a high-quality T-pose character image by using a text-to-image diffusion model. A Zero123-based novel view synthesis is then used to create multiview images of the same character. A 2D pose-estimation network extracts skeletal keypoints from each view, while a multiview image-to-mesh model reconstructs a detailed 3D mesh. Finally, a heat-diffusion-based skinning algorithm is employed to bind the 3D skeleton to the mesh, producing an animation-ready, deformable character. This pipeline enables scalable and consistent rigging across various character types, without relying on handcrafted rigs or artist-specific datasets. Our method offers a data-efficient solution for 3D character rigging, and its effectiveness is demonstrated through experiments involving diverse styles and poses. It provides a promising direction for democratizing rigging in data-constrained scenarios.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094400838
