清華大学とVASTの研究チームが、3Dモデルからスケルトンとスキニングウェイトをまとめて生成できるAIオートリギング技術「SkinTokens / TokenRig」を公開しています。スキニングウェイトをコンパクトな離散トークンとして表現する新しい手法です。この表現を利用した「TokenRig」では、スケルトン構造とスキニングウェイトを1つのトークンシーケンスとして扱い、3Dメッシュからリグ全体を自己回帰的に生成します。
SkinTokens / TokenRig
従来のAIオートリギングでは、スケルトン生成とスキニングを別々の問題として処理する手法が一般的でした。
SkinTokensでは、頂点ごとの連続的なスキニングウェイトをそのまま予測するのではなく、FSQ-CVAEを使ってコンパクトな離散表現「SkinTokens」へ変換します。
このSkinTokensとスケルトン情報を組み合わせ、Qwen3-0.6BをベースとしたTransformerによってリグ全体を1つのシーケンスとして生成するのが「TokenRig」です。さらにGRPOを使った強化学習によるリファインも行われています。
- 3Dメッシュからスケルトン階層とスキニングウェイトを自動生成
- スキニングウェイトをコンパクトな離散表現「SkinTokens」へ変換
- スケルトンとスキニングを1つの自己回帰シーケンスとして統合
- Qwen3-0.6BベースのTransformerを採用
- FSQ-CVAEによってスキニングウェイトの疎な構造を圧縮
- GRPOによる強化学習で複雑な形状への汎化性能を改善
- 人型だけでなく、四足動物やファンタジークリーチャーなど多様な形状に対応
- 既存スケルトンを利用してスキニングのみを生成することも可能
- GLB形式などで一般的な3Dパイプラインへ持ち込み可能
- 推論には14GB以上のVRAMを搭載したNVIDIA GPUが必要
SkinTokensはSIGGRAPH 2025で発表された「UniRig」の後継にあたる研究で、UniRigがスケルトン予測とスキニングを別工程としていたのに対し、今回の手法では両方を統合しています。
論文では既存のState-of-the-Art手法に対して、スキニング精度を98～133％、ボーン予測を17～22％改善したと報告されています。
コードや学習済みモデルも公開
公式実装はGitHubで公開されており、ライセンスはMIT。
学習済みのTokenRigモデルとSkinTokens用FSQ-CVAEも提供されているほか、Hugging Face Spaceを利用してブラウザから試すこともできます。ローカルではGradioデモやコマンドラインから実行可能です。
ComfyUIから利用できる「ComfyUI-SkinTokens」も登場
Aero-Ex氏によって、SkinTokensをComfyUIのノードベースワークフローから利用できるカスタムノード「ComfyUI-SkinTokens」も公開されています。こちらもMITライセンスです。
自動リギングだけでなく、既存ボーンへのスキニング、生成結果のインタラクティブな3Dプレビューなどに対応。Headless Blender ServerとThree.jsベースのプレビュー機能を備えており、Blender 4.2以降が必要です。ComfyUI Managerからのインストールにも対応しています。
実装上は、モデルロード、メッシュロード、リグ生成、リグプレビューなどが個別のComfyUIノードとして用意されています。出力形式にはGLB、FBX、OBJが用意され、ボーン名についてもArticulated、Mixamo、UE5の選択肢が実装されています。
AIによるオートリギング自体は色々増えてきましたね
どんどん精度が上がっています
このSkinTokensに関してはスケルトンと一緒に生成してしまうというアプローチなので
ボーン構造が共有出来ないモンスターとかで活用できそうですね
コードや学習済みモデルまで公開されているので
実際の制作データでどこまで使えるのか試すこともできます
あの ますく氏（ @mask_3dcg ）もこれをゲーム制作に実際に使っているとか…
是非チェックしてみてください！
リンク
コメント