炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！
作者：張昊，伊利諾伊大學香檳分校博士生，研究方向為 3D/4D 重建、生成建模與物理驅動動畫。目前在 Snap 擔任研究實習生，曾於 Stability AI 和上海人工智能實驗室實習。PhysRig 由 UIUC 與 Stability AI 聯合完成，旨在推動角色動畫邁向更真實、可控的物理解法。
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」？即使使用再複雜的骨骼系統，人物走路時還是像帶着鉸鏈的木偶？這是因為當前主流的綁定（rigging）技術 —— 線性混合蒙皮（Linear Blend Skinning，簡稱 LBS）雖然效率高、計算方便，但在遇到柔軟材質（如皮膚、脂肪、動物尾巴）時，往往會出現體積丟失、扭曲甚至 「糖果包裹」 效應，嚴重影響真實感。
在 ICCV 2025 最新接收論文《PhysRig: Differentiable Physics-Based Skinning and Rigging Framework》中，來自 UIUC 和 Stability AI 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，實現更真實、更自然的動畫角色變形效果。
01 | 傳統 LBS 的困境
LBS 通過將每個點的位置作為骨骼變換的加權平均來生成動畫。這種方法在過去幾十年中被廣泛使用於遊戲、影視、甚至研究中。但它的本質是線性的、非物理的。
其主要問題包括：
儘管也有研究嘗試使用深度學習優化 LBS 的權重或參數，但其結構性的缺陷始終難以彌補。
02 | PhysRig 的核心思想
PhysRig 開闢了一條新路：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，產生形變結果。
整個框架有三個關鍵組件：
可微物理模擬器
材料原型（Material Prototypes）
驅動點系統（Driving Points）
03 | 物理模擬與優化策略
為了實現從 「觀察到的動畫結果」 反推出 「內部骨骼運動和材質參數」
，PhysRig 提出了迭代式的反向綁定（Inverse Skinning）優化流程：
1. 固定骨骼速度，優化材料參數；
2. 固定材料參數，逐幀優化驅動點速度；
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」，使得優化更穩定、高效。
04 | 全面評測與數據集
為了全面驗證 PhysRig 的有效性，研究者構建了一個包含17 種角色（共 120 組動畫序列）的數據集，涵蓋：
對比對象包括：
採用指標包括用戶評分（User Rating）和 Chamfer 距離（CD），PhysRig 在幾乎所有類別上都顯著優於傳統方法，表現出更真實的動態效果。
05 | 拓展應用：動作遷移
PhysRig 不僅能從已有動畫反推參數，還可以實現基於骨架角度的動作遷移（Pose Transfer）。
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。
相比傳統需要預測蒙皮權重的方法，PhysRig 不依賴顯式權重預測，更適合處理結構差異大的對象（比如人到果凍怪的動作遷移）。
06 | 總結與展望
PhysRig 提供了一種從傳統 rigging 邁向物理真實綁定的路徑：
目前，項目已在官網上線展示，並計劃在 ICCV 2025 會議前後開源代碼與數據集。未來還計劃將其封裝為 Blender 插件，面向動畫藝術家提供可用工具。
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繫交流！
（轉自：網易科技）