تنسنت با ابزار جدید TailorRig، استخوان‌بندی خودکار لباس در شخصیت‌های سه‌بعدی را ممکن کرد

معرفی فریمورک TailorRig

فریمورک TailorRig که توسط استودیوی LIGHTSPEED شرکت تنسنت توسعه یافته است، یک سیستم استخوان‌بندی خودکار و آگاه به لباس برای مدل‌های انسان‌نما به‌همراه مجموعه‌داده مکمل به‌شمار می‌رود. این سیستم قالب اسکلت بدنی تعیین‌شده توسط کاربر را حفظ می‌کند و هم‌زمان استخوان‌های کمکی ساختاریافته و قابل کنترلی برای لباس‌ها و اکسسوری‌ها پدید می‌آورد. علاقه‌مندان می‌توانند به مقاله علمی TailorRig در arXiv، مخزن کد در گیت‌هاب و هم‌چنین مجموعه‌داده منتشرشده در Hugging Face دسترسی داشته باشند.

مجموعه‌داده Human-Mix / TailorRig در پلتفرم Hugging Face شامل حدود ۳۹٬۰۷۳ نمونه انسان‌نمای پوسته‌دار با فرمت npz. و حجمی در حدود ۳۴ گیگابایت است:

• زیرمجموعه‌های داده شامل ۷۱۵ نمونه از rignet، ۱۱٬۴۱۹ نمونه از humanrig، ۲۳٬۴۵۲ نمونه از articulation_xlv2 و ۳٬۴۸۷ نمونه اختصاصی vroid است که با نرم‌افزار VRoid Studio ساخته شده‌اند.
• این مجموعه از یک ساختار مشترک برای آموزش ترکیبی بهره می‌برد و از متغیر body_joint_mask برای تفکیک استخوان‌های بدن از استخوان‌های لباس استفاده می‌کند.
• هدف اصلی این مجموعه‌داده، تسهیل استخوان‌بندی خودکار، وزن‌دهی خودکار پوسته و رگرسیون موقعیت مفاصل اعلام شده است.

رویکرد اصلی این روش مبتنی بر تبدیل برچسب‌های معنایی به زنجیره‌های استخوانی کمکی به‌همراه پوسته‌گذاری سلسله‌مراتبی زنجیره به استخوان است تا ناهنجاری‌های تغییر شکل لباس و نشت وزن انیمیشن به کمترین حد ممکن برسد.

چرا این دستاورد اهمیت دارد؟

ابزارهای سنتی و متداول استخوان‌بندی خودکار، معمولاً درجات آزادی و تحرک لباس‌هایی مانند دامن، شنل و پالتو را نادیده می‌گیرند. در مقابل، TailorRig حرکت لباس را به‌عنوان یک مولفه اصلی و درجه یک در نظر می‌گیرد و با ارائه یک مجموعه‌داده بزرگ و عمومی از مدل‌های مشبک، این چالش دیرینه را برطرف می‌کند.

ملاحظات و محدودیت‌های مجوز انتشار

این مجموعه‌داده تحت مجوز اختصاصی TailorRig (تنسنت، ۲۰۲۶) منتشر شده است و استفاده از آن صرفاً برای پژوهش‌های دانشگاهی و علمی مجاز بوده و هرگونه بهره‌برداری تجاری یا استفاده در خطوط تولید ممنوع است. هم‌چنین در صورت بازنشر داده‌ها باید اطلاعیه‌های مربوط به حق نشر حفظ شوند. توصیه می‌شود کاربران پیش از استفاده، فایل LICENSE را مطالعه کنند.

محدودیت‌ها و نکات فنی

• خالی بودن پیش‌نمایش دیتاست در نمایشگر Hugging Face امری طبیعی است، زیرا فایل‌های npz درون آرشیوهای زیپ قرار گرفته‌اند.
• پیش از ترکیب زیرمجموعه‌های داده، مختصات هندسی باید نرمال‌سازی شوند.
• آمارهای ذکرشده در مقاله و میزان پختگی و پایداری کدهای منتشرشده نیازمند بررسی‌ها و اعتبارسنجی‌های مستقل توسط توسعه‌دهندگان است.

این ابزار برای چه کسانی کاربرد دارد؟

• تیم‌های فعال در حوزه استخوان‌بندی شخصیت‌ها، پوسته‌گذاری و خطوط تولید دارایی‌های بازی و انسان‌های دیجیتال.
• پروژه‌های پژوهشی و دانشگاهی که به مجموعه‌های گسترده‌ای از مدل‌های انسان‌نما همراه با استخوان‌های کمکی غیرتجاری نیاز دارند.
• توسعه‌دهندگانی که دستاوردهای سه‌بعدی و فناوری‌های استخوان‌بندی استودیوی Tencent LIGHTSPEED را دنبال می‌کنند.

راهنمای شروع به کار

1. ابتدا مقاله علمی در arXiv 2611.02902 و مستندات مخزن گیت‌هاب TailorRig را بررسی کنید.
2. آرشیوهای زیپ زیرمجموعه را با فراخوانی دستور hf_hub_download("tencent/TailorRig", ...) دریافت کنید.
3. نمونه‌ها را با کتابخانه numpy و وزن‌های پوسته به فرمت ماتریس خلوت (COO) مطابق برگه راهنما بازسازی نمایید.
4. پیش از آغاز یاد‌گیری توپولوژی، استخوان‌های لباس را با شرط body_joint_mask=False فیلتر کنید.