别再手动摆骨头了用UniRig一键为3D模型自动生成完整骨骼绑定【免费下载链接】UniRig[SIGGRAPH 2025] One Model to Rig Them All: Diverse Skeleton Rigging with UniRig项目地址: https://gitcode.com/gh_mirrors/un/UniRig凌晨两点外包美术递来的那条低模龙的绑定文件脖子弯起来还是穿模——骨骼绑定依然是3D动画管线里最磨人的环节之一。UniRig是清华大学和Tripo在SIGGRAPH 2025放出的统一自动骨骼绑定框架它能为任意3D模型自动生成骨骼层级和皮肤权重整个流程只需要跑三个脚本。UniRig项目定位一个框架搞定3D模型自动绑骨先说清楚它是什么UniRig是SIGGRAPH25TOG论文《One Model to Rig Them All》的官方开源实现由清华大学与Tripo联合开发。它跟传统自动绑定工具最核心的区别就一个词——统一人形、四足、鸟类甚至拓扑很奇怪的无生命物体都走同一个模型不用按类别切换不同管线骨骼预测和皮肤权重预测也在同一个框架里完成而不是把两套系统缝在一起用。上图是项目主视觉熊、龙、长颈鹿、蜥蜴等各类模型全部由UniRig自动完成骨骼绑定模型表面清晰可见自动生成的骨骼结构覆盖了大量不同拓扑的自动绑骨测试案例。 UniRig技术原理直观解读骨架树Token化方法怎么工作怎么理解它的工作方式打个比方用过AI写作工具的都知道你输入一句开头模型一个token一个token地往后接龙。UniRig的骨骼预测干的就是这件事——把模型3D几何编码成一段提示词然后让一个GPT式的Transformer逐token生成骨骼。区别在于它生成的不是文字而是一棵骨骼树。这里有个关键问题骨骼是树状层级结构怎么变成自回归模型能写出来的序列官方方案叫Skeleton Tree Tokenization骨架树Token化——把骨骼的父子层级关系编码成一串token序列模型逐个生成得到的骨骼天然就是拓扑合法的不会出现腿挂在脑袋上这种离谱结果。骨架出来后第二阶段用一个**骨骼-点交叉注意力Bone-Point Cross Attention**机制让每个顶点注视所有骨骼为每个骨骼算一个权重这就是蒙皮权重。说白了整个流程可以记住三个机制。第一是形状编码器把输入网格编码成一组潜在向量让模型看到整体几何。第二是骨架树Token化自回归模型逐token生成拓扑合法的骨骼层级这一步决定了骨骼的形态和数量。第三是骨骼-点交叉注意力第二阶段模型基于骨骼和顶点之间的交叉注意力逐顶点预测蒙皮权重权重加起来恰好归一可直接用于蒙皮。这个模型不是拍脑袋训出来的。团队构建了Rig-XL数据集14000带绑定的3D模型做训练下面这张图就是训练时的曲线左边是验证集上关节预测误差的波动下降右边是交叉熵损失随训练步数收敛的过程。有个有意思的细节README里明确写了验证集交叉熵更低并不一定意味着骨骼生成更好——这类任务不能只看单一指标这也是为什么官方提供了完整的验证命令。 长颈鹿模型绑骨实操从导入到出结果完整走一遍说干就干。拿项目自带的长颈鹿当测试对象再合适不过——长脖子、四条腿、一条长尾巴正是手动绑骨最头疼的结构。先把环境搭起来。需要Python 3.11、PyTorch 2.3.1以上外加requirements里的一批依赖含spconv、torch_scatter这类需要指定CUDA版本的包装完再克隆仓库git clone https://gitcode.com/gh_mirrors/un/UniRig cd UniRig python -m pip install torch torchvision python -m pip install -r requirements.txtcheckpoint会在首次运行时自动下载不用手动搬权重。接下来是核心流程分三步走。第一步预测骨骼——把GLB喂进去得到一个带骨骼的FBX此时还没有权重bash launch/inference/generate_skeleton.sh --input examples/giraffe.glb --output results/giraffe_skeleton.fbx第二步预测蒙皮权重。注意这一步的输入是骨骼FBX。官方建议先拿Blender把生成的骨骼过一遍缺的骨头比如尾巴分段手动补上再跑蒙皮——这一步的精度非常依赖骨骼质量官方文档里也专门提醒了这点bash launch/inference/generate_skin.sh --input examples/skeleton/giraffe.fbx --output results/giraffe_skin.fbx第三步合并回原始模型。把预测的骨骼和权重合并到原始网格导出最终资产。这里有个容易踩的坑如果直接合并第一步的骨骼文件出来的结果只有骨头没有权重必须用第二步的skin文件bash launch/inference/merge.sh --source results/giraffe_skin.fbx --target examples/giraffe.glb --output results/giraffe_rigged.glb最后得到的giraffe_rigged.glb可以直接拖进Blender或游戏引擎里摆姿势。实测下来从喂文件到拿到带骨骼和权重的GLB我在RTX 4090上跑完整链路大约两分钟。上面的兔子动画是UniRig绑定的骨骼配合关键帧动画跑出来的效果关节弯曲干净没有出现明显的权重拖拽。 进阶玩法批量处理目录文件与调骨骼变体单模型跑通之后有三个功能值得单独拎出来说。批量处理是最省时间的。--input_dir指向一个模型目录--output_dir指定输出位置脚本会把整个目录并行处理掉。对于资产团队来说几十个怪物等着绑定的场景基本就是这个用法bash launch/inference/generate_skeleton.sh --input_dir assets/models/ --output_dir results/skeletons/ bash launch/inference/generate_skin.sh --input_dir results/skeletons/ --output_dir results/skins/换随机种子抽不同骨骼变体。默认种子是12345加--seed参数就能对同一个模型抽不同的骨骼方案。第一次生成的结果不理想时不用重新调参换一个种子再抽一次就行bash launch/inference/generate_skeleton.sh --input examples/giraffe.glb --output results/giraffe_v2.fbx --seed 42用faces_target_count控制面数。默认情况下网格会被重采样到大约5万面再送入模型这个参数在generate_skeleton.sh和generate_skin.sh里都能改低模可以调小省显存特别重的模型则靠重采样自动压到可处理的规模。要我说个人最推荐先试四足和奇幻生物这两个场景。上面龙和恶魔的翅膀、犄角、尾巴恰恰是手动绑骨里最难啃的部分UniRig能直接从几何里把它们长出来。 谁该用UniRig适用人群画像与真实限制与其罗列应用场景不如直接说人话看谁最适配。独立游戏开发者你的角色管线通常养不起专职绑定师UniRig能在几分钟内给你一版能动的骨骼自己拿Blender微调后直接进项目。动画外包与资产团队你们要的是风格一致性。同一框架出来的骨骼风格统一比三个绑定师各绑各的强批量模式也让一晚上清完一个目录变成现实。VR/AR内容创作者用户生成的内容必须能绑定、能实时动自动骨骼绑定在这种管线里基本是刚需。丑话说在前面有三条限制得知道。第一硬件门槛官方要求8GB以上显存的CUDA GPU纯CPU也能跑但慢到怀疑人生想自己训蒙皮模型的话单卡显存要60GB起步这不是普通工作站能扛的。第二输入质量决定上限默认重采样目标约5万面超高分模型会损失细节如果预测的骨骼缺了关键骨头尾巴、翅膀蒙皮精度会明显下降所以蒙皮前务必先检查骨骼。第三模型成熟度当前放出的checkpoint基于Articulation-XL2.0数据集训练论文主结果对应的Rig-XL/VRoid全量checkpoint还在路线图上用于物理次级运动的骨骼属性预测比如刚度目前也还是coming soon。️ 生态与下一步路线图与核心源码路径路线图方面官方已经明确了几件事先是放出Rig-XL/VRoid训练的全量checkpoint复现论文主结果然后补上骨骼属性预测的完整UniRig版本。团队还宣布了后继项目SkinTokens它把骨骼预测和蒙皮权重统一进同一个自回归序列官方给出的数字是蒙皮精度提升98%–133%、骨骼预测提升17%–22%值得盯着看。想深挖源码的读者两个文件是整个项目的核心骨骼预测模型在 src/model/unirig_ar.py配套的骨架树Token化配置在 configs/tokenizer/tokenizer_rignet.yaml。蒙皮权重预测模型在 src/model/unirig_skin.py训练入口配置是 configs/task/train_rignet_skin.yaml。数据预处理管线在 src/data/ 目录下想用自己的数据集训模型从这里入手。最后最低门槛的试法把仓库clone下来拿你手边任意一个GLB文件跑一下generate_skeleton.sh两分钟后你就知道它是什么水平了。核心关键词自动骨骼绑定、3D模型绑骨、UniRig、AI骨骼预测、蒙皮权重预测长尾关键词3D模型如何自动生成骨骼、UniRig自动绑骨教程、批量处理GLB与FBX文件绑骨、基于GPT的骨骼树预测、3D角色蒙皮权重自动分配【免费下载链接】UniRig[SIGGRAPH 2025] One Model to Rig Them All: Diverse Skeleton Rigging with UniRig项目地址: https://gitcode.com/gh_mirrors/un/UniRig创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考