⭐CVPR2025 RigGS：从 2D 视频到可编辑 3D 关节物体的建模新范式

⭐CVPR 顶会论文解读｜RigGS：从 2D 视频到可编辑 3D 关节物体的建模新范式

📄论文题目：RigGS: Rigging of 3D Gaussians for Modeling Articulated Objects in Videos

✍️作者及机构：Yuxin Yao、Zhi Deng、Junhui Hou（香港城市大学、中国科学技术大学）

🧩面临问题：当前关节物体建模存在诸多局限。一方面，传统方法依赖通用骨架模板（如 SMPL 用于人体、MANO 用于手部），无法处理带配饰的人体、个性化手套的手部等非标准化物体；另一方面，现有骨架提取方法或依赖艺术家设计的骨架监督、仅能处理对称物体，或提取的骨架过于密集，且部分方法依赖 3D 重建质量，在 3D 数据有限时实用性不足12。

🎯创新点及其具体研究方法：

1️⃣ 骨架感知节点控制变形场：结合 3D 高斯作为基准形状表示，设计骨架感知节点控制的变形场，使基准 3D 高斯表示随时间变形以初始化建模过程，同时生成带骨架语义的候选节点。通过渲染损失、ARAP 局部刚性损失和 2D 骨架投影约束损失优化，实现动态物体重建与候选骨架点的同步获取367。

2️⃣ 启发式 3D 骨架构建算法：基于初始重建结果选择代表平均形状的时间帧作为新基准，从骨架感知节点中通过最远点采样获取均匀分布节点，构建最小生成树形成密集骨架，再结合几何、语义（利用 DINOv2 特征）和运动信息进行简化，通过添加端点、 junction 点和几何转折点，最终形成稀疏骨架树489。

3️⃣ 骨架驱动动态模型：设计基于线性混合蒙皮（LBS）的可学习粗变形，通过学习蒙皮权重将骨架与 3D 高斯绑定；同时引入姿态依赖的细节变形模块，利用 MLP 学习高斯中心位置偏移以捕捉精细变形。通过渲染损失、骨架投影损失、细节正则化损失和身份约束损失优化，实现灵活的新动作生成51011。