如何看待陳玉捷 19 分中國大學生女籃 81：69 力克美國隊勇奪大運會金牌？
個人主頁：https://haoz19.github.io/
動畫角色在動起來時，是否常常顯得「塑料感十足」？即使使用再復雜的骨骼系統(tǒng)，人物走路時還是像帶著鉸鏈的木偶？這是因為當前主流的綁定（rigging）技術(shù)——線性混合蒙皮（LinearBlendSkinning，簡稱LBS）雖然效率高、計算方便，但在遇到柔軟材質(zhì)（如皮膚、脂肪、動物尾巴）時，往往會出現(xiàn)體積丟失、扭曲甚至「糖果包裹」效應，嚴重影響真實感。
在ICCV2025最新接收論文《PhysRig:DifferentiablePhysics-BasedSkinningandRiggingFramework》中，來自UIUC和StabilityAI的研究者提出了一個新框架：將「剛性骨架+彈性軟體」的建模方式引入綁定流程，利用可微分物理模擬方法，實現(xiàn)更真實、更自然的動畫角色變形效果。
項目鏈接：
https://physrig.github.io
論文鏈接：
https://arxiv.org/abs/2506.20936
代碼鏈接：
https://github.com/haoz19/PhysRig
01|傳統(tǒng)LBS的困境
LBS通過將每個點的位置作為骨骼變換的加權(quán)平均來生成動畫。這種方法在過去幾十年中被廣泛使用于游戲、影視、甚至研究中。但它的本質(zhì)是線性的、非物理的。
其主要問題包括：
體積丟失：比如手臂彎曲時出現(xiàn)「癟掉」的現(xiàn)象；
旋轉(zhuǎn)偽影：如關(guān)節(jié)處的「糖果扭轉(zhuǎn)」；
無法模擬柔軟材質(zhì)：如胖胖角色的肚皮、動物的尾巴、耳朵。
盡管也有研究嘗試使用深度學習優(yōu)化LBS的權(quán)重或參數(shù)，但其結(jié)構(gòu)性的缺陷始終難以彌補。
02|PhysRig的核心思想
PhysRig開辟了一條新路：把骨骼嵌入到一個可變形的柔體體積中，讓骨骼帶動的不再是直接控制的點，而是通過模擬物理過程，產(chǎn)生形變結(jié)果。
整個框架有三個關(guān)鍵組件：
可微物理模擬器
基于MaterialPointMethod（MPM）實現(xiàn)；
使用連續(xù)介質(zhì)力學理論，考慮應力應變、質(zhì)量守恒、動量守恒等；
模擬真實物體在受力下的自然變形過程。
材料原型（MaterialPrototypes）
用少量的原型（如25~100個）代表不同區(qū)域的彈性材質(zhì)；
每個原型有彈性模量（Young’smodulus）和泊松比（Poisson’sratio）；
使用馬氏距離在空間中進行插值分配，控制不同區(qū)域的材質(zhì)響應。
驅(qū)動點系統(tǒng)（DrivingPoints）
類似于骨骼的「虛擬關(guān)節(jié)」；
控制其速度即可間接控制變形；
初始化自傳統(tǒng)rigging工具如Pinocchio，并通過優(yōu)化進行細化。
03|物理模擬與優(yōu)化策略
為了實現(xiàn)從「觀察到的動畫結(jié)果」反推出「內(nèi)部骨骼運動和材質(zhì)參數(shù)」
，PhysRig提出了迭代式的反向綁定（InverseSkinning）優(yōu)化流程：
1.固定骨骼速度，優(yōu)化材料參數(shù)；
2.固定材料參數(shù)，逐幀優(yōu)化驅(qū)動點速度；
3.兩者交替迭代，直到收斂。
這種策略考慮了材料屬性的「時序一致性」與骨骼動作的「逐幀局部性」，使得優(yōu)化更穩(wěn)定、高效。
04|全面評測與數(shù)據(jù)集
為了全面驗證PhysRig的有效性，研究者構(gòu)建了一個包含17種角色（共120組動畫序列）的數(shù)據(jù)集，涵蓋：
人形角色（如Michelle、Kaya）
四足動物（如豹子、猛犸、劍龍）
非常規(guī)生物（如鯊魚、翼龍、眼鏡蛇）
對比對象包括：
LBS+RigNet初始化
LBS+Pinocchio初始化
LBS+GT初始化
以及PhysRig的初始和優(yōu)化結(jié)果
采用指標包括用戶評分（UserRating）和Chamfer距離（CD），PhysRig在幾乎所有類別上都顯著優(yōu)于傳統(tǒng)方法，表現(xiàn)出更真實的動態(tài)效果。
05|拓展應用：動作遷移
PhysRig不僅能從已有動畫反推參數(shù)，還可以實現(xiàn)基于骨架角度的動作遷移（PoseTransfer）。
具體做法是：
1.提取源動畫的骨骼角度序列；
2.將其傳遞給目標對象（如不同物種）；
3.使用PhysRig生成自然形變的體積動畫。
相比傳統(tǒng)需要預測蒙皮權(quán)重的方法，PhysRig不依賴顯式權(quán)重預測，更適合處理結(jié)構(gòu)差異大的對象（比如人到果凍怪的動作遷移）。
06|總結(jié)與展望
PhysRig提供了一種從傳統(tǒng)rigging邁向物理真實綁定的路徑：
擺脫LBS線性模型的限制；
實現(xiàn)結(jié)構(gòu)豐富、材質(zhì)多樣對象的自然變形；
與深度學習兼容，可用于可微優(yōu)化與端到端訓練；
為動畫、游戲、影視、機器人仿真等領(lǐng)域打開新的思路。
目前，項目已在官網(wǎng)上線展示，并計劃在ICCV2025會議前后開源代碼與數(shù)據(jù)集。未來還計劃將其封裝為Blender插件，面向動畫藝術(shù)家提供可用工具。
如果你也對物理模擬和角色動畫感興趣，歡迎訪問項目主頁或與作者聯(lián)系交流！
