划重点
01腾讯游戏研发的GoSkinning AI自动蒙皮工具，旨在提升动画制作中的蒙皮过程自动化程度，解放美术师的双手。
02GoSkinning整体蒙皮AI技术方案包括四个模块：顶点特征表达、骨骼/骨链特征表达、顶点与骨骼之间关系表达。
03为此，GoSkinning设计了局部蒙皮AI和后处理辅助工具，以修复整体蒙皮和部分蒙皮后可能存在的瑕疵。
04目前，GoSkinning V4.0版本即将发布，支持大规模角色模型处理、业界首个四足AI模型以及全新的局部AI模型。
以上内容由腾讯混元大模型生成，仅供参考
传统的蒙皮过程在动画制作中往往是极为耗时且繁琐的环节，游戏角色及衣物复杂且多样，动画师们需要耗费大量精力去手动调整模型骨骼与皮肤之间的关联，以确保在角色运动时，皮肤能够自然、逼真地跟随骨骼变形。这一过程不仅要求动画师具备高超的技艺和丰富的经验，还需要他们投入大量的时间和耐心。
然而，即使是经验丰富的动画师，在面对复杂的角色模型和众多的动画帧时，也难免会出现一些细节上的瑕疵或效率低下的情况。
01
GoSkinning产品理念
腾讯游戏研发的GoSkinning AI自动蒙皮工具，希望将繁琐的劳动交给智能科技，解放美术师的双手，让他们的才华发挥在无限的创意中。
GoSkinning 整体方案
02
GoSkinning 整体蒙皮AI
整体蒙皮，顾名思义就是对整个角色模型进行绑定蒙皮，如下图所示，用户输入整个角色模型及其骨骼，整体蒙皮 AI 自动预测出所有顶点的权重绑定结果。
GoSkinning 整体蒙皮流程
对于整体蒙皮 AI 而言，不仅需要考虑全局的特征，如整体衣物的风格，是贴身西装、还是复杂裙摆、或是机甲风格衣物，如整体骨架的拓扑结构有没有辅助骨骼。每种风格衣物的动画效果均不一样，不同的骨骼对应的绑定方式也不一样。同时还需要考虑局部特征，该顶点处于身体的哪个部位（不同部位顶点权重分配方式不一样），它的领域顶点绑定的权重如何（需保证其与领域顶点权重过渡平滑），以及它与每个关节的相对关系如何（通常会绑定测地线距离最近的部分顶点），它与每条骨链之间的关系又是如何（如裙摆顶点通常绑定在单一骨链或相邻的两条骨链上），因此在算法的设计上，需要对这些特征考虑完备。
GoSkinning 整体蒙皮技术方案
1.顶点特征的表达：首先利用 T-Net 对输入特征做变换，并构建了多个子图，利用 EdgeConv 在每个子图中提取每个顶点及其领域的信息，并融合多个子图特征提取结果，最后经过 MLP Module 来提取顶点全局、局部信息，融合得到最终的顶点特征。
2. 骨骼/骨链特征的表达：构建骨骼拓扑图，利用 EdgeConv 模块及 MLP 模块来分别提取骨骼骨链的特征信息。
3.顶点与骨骼之间关系的表达：利用上图中 Inter Module 来进行顶点特征与骨骼特征之间的信息交换，从而提取顶点与骨骼之间的关系。
GoSkinning 整体蒙皮效果
对于简单贴身的衣物而言，基本无需人工的二次调整，而对于复杂的衣物，受制于数据本身，其仍有一定的局限性，如上图 QQ Dance 的一些复杂的裙摆，有少量误差较大的红色区域。复杂的衣物（例如多层且几何复杂的裙摆），人工蒙皮过程中亦难分辨其需绑定的骨骼，非常容易出现误绑，同时因为数据存在二义性(不同的美术师有不同的骨骼布局，不同的权重分配方式)，也会导致部分衣物出现 AI 权重分配与人工蒙皮不一致的情形。为此GoSkinning 设计了部分蒙皮 AI 来修复此类问题。
整体蒙皮遗留问题
03
GoSkinning 局部蒙皮 AI
局部蒙皮AI，其可以对任意的部分顶点、部分骨骼进行绑定，整体蒙皮后，用户可选择一些效果不理想的区域，或者是误绑定的区域，利用局部蒙皮 AI，进行二次绑定；同时针对某些特定的部件，如裙摆、背包等，利用部分蒙皮网络结构，训练了特殊部件的局部蒙皮 AI。基于这些方法，不仅解决了误绑、数据二义性带来的问题，并且在某些特殊部件上，达到了比整体蒙皮更好的效果。
局部蒙皮流程
部分蒙皮整体流程如上图所示，用户选择部分顶点，以及与之对应的部分骨骼，并执行部分蒙皮操作，即可对部分顶点进行二次蒙皮。
04
GoSkinning 后处理辅助工具
执行了整体蒙皮和部分蒙皮后，在某些细节上仍然会存在一些瑕疵，如 mesh 重叠区域权重不一致所引起的穿插问题、接缝处权重不一致所引起的裂缝问题，以及共现顶点权重不一致所带来的形变后顶点不共线的问题等等。针对这些瑕疵，GoSkinning 结合传统几何方法，开发了一系列后处理辅助工具来修复这些问题。如下方所示，包括穿插修复工具、形变矫正工具、权重约束工具等等，这些工具集可作为自动或半自动（根据用户选择）后处理工具大幅提高 GoSkinning 整体自动化程度。
综上，GoSkinning 的智能 AI 蒙皮算法采用了先进的神经网络架构。它首先对输入的角色模型进行全面的分析和特征提取，包括骨骼结构、皮肤拓扑、模型的几何形状等信息。然后，根据这些提取的特征，结合预先学习到的蒙皮模式和变形规律，在极短的时间内计算出最佳的蒙皮权重分配方案。在整个过程中，算法还会不断地进行自我优化和调整，以适应不同的模型和动画需求，从而不断提高蒙皮的质量和效率。
● 对大规模角色模型的处理：支持高达 40w 顶点（400k token）的角色模型并行推理，同时算法的准确性相较于上一版本 general - v3，V4 版本在量化误差上实现了令人瞩目的 18% 的显著降低，可以做到80%以上的人效提升。
● 业界首个四足AI模型：可以全面支持四足动物、奇幻生物的角色蒙皮。
● 全新的局部AI模型：精准定位并支持任意局部 mesh 的绑定，解决那些容易出现误绑、穿插、形变等遗留局部问题的棘手区域。
● 裙摆AI：首个专门面向复杂裙摆蒙皮打造的裙摆 AI 工具，开创了行业先河，首创针对单层、多层、复杂造型裙摆的一体化解决方案。有效解决裙摆形变、走线不均匀、穿插等长期困扰创作者的难题，让裙摆在角色运动中自然飘逸，为角色增添灵动之美。
GoSkinning V4.0版本发布在即，还有着更多的特性以及强大的能力等你来探索。
更多Showcase，后续可以关注GoSkinning官方视频号和公众号，加入腾讯游戏AIGC产品交流群，预约 GoSkinning V4.0版本体验，了解游戏行业前沿的AI技术。